# 第2章 矩阵
> 🧭 **先看路牌，再看内容**（30秒，防止"背规矩不知干嘛"）
>
> **你在整本书的哪里**：这是第 2 章（共 6 章）。整本线代讲的是"**变形**"。本章主角就是"变形动作"本身：**矩阵 = 捏纸的手，不是数字表格**。
>
> - 📍 **本章角色**：全书的"动作说明书"——怎么记录动作（矩阵写法）、怎么连着做两个动作（矩阵乘法）、怎么把动作倒放（逆矩阵）、怎么判断动作有没有压扁空间（秩的初等变换求法）。
> - 🎯 **学完能干嘛**：看懂并操作任何"变形动作"；求逆矩阵；判断矩阵是否可逆（|A|≠0）。
> - 🔗 **和前后章的关系**：第1章的行列式是"量动作的尺子"（本章开头那个"体检指标"就是行列式）；第3章将深挖动作之后"还剩几个方向"（秩）。
> - 🎬 **本章直觉（一句话）**：矩阵 = 捏纸的手，矩阵乘法 = 先做一个动作再做另一个（先穿袜再穿鞋），逆矩阵 = 把动作倒放回去。
> 📖 **从哪来：第1章 → 第2章**
>
> 第1章你学会了算行列式——给定一个方阵，经过一套固定的计算步骤，最终得出**一个数**。这个数像一个"体检指标"，告诉你这张表是否"健康"（|A|≠0 正常，|A|=0 有问题）。
>
> 但一个体检指标能告诉你的信息有限——你想知道的不是"有没有病"，而是"每个器官的具体数据是多少"。**矩阵这一章就是把整张体检报告铺开来看**：表里的每个数字怎么加减乘除？整张表能不能"反转"（求逆）？表里有没有"水分"（秩）？怎样把表"整理整齐"（初等变换）？
>
> **一句话**：第1章从一个方阵算出一个数；第2章直接操作一整张数字表格。
> 🔔 **课前激活**（动笔写30秒再往下读）
>
> 你在手机上记录一周的开销：周一吃饭30元、坐车8元；周二吃饭25元、坐车10元……三天下来你也记了3行2列的数字。如果让你"一眼看出"哪天花得最多，你会怎么看？这个每天记的"小账本"和数学里的矩阵有什么关系？
> 📌 **学完这章你能回答：**
> - 矩阵到底是什么？能用"数字表格"和"变换器"两种身份解释清楚吗？
> - 矩阵乘法中"前行乘后列"到底怎么算？为什么说"先穿袜子再穿鞋"和"先穿鞋再穿袜子"结果完全不同？
> - 逆矩阵怎么求？2阶方阵有什么5秒出结果的口诀？
> - 矩阵的"秩"到底在数什么？怎么去掉水分找到真正独立的信息行？
> - 初等变换法求逆矩阵的步骤是什么？为什么只能做行变换？
> - 矩阵方程 AX=B 和 XA=B 解法有什么不同？怎么判断该从哪边"脱外套"？
---
## 🎯 本章考点四联表（先看这个，再决定力气往哪使）
> 考纲依据：数学三《考试大纲》线代部分；考频数据：近 15 年真题统计。矩阵是线代"心脏"——单独考查每年 1-2 题小题，但作为载体贯穿所有线代大题（矩阵复习的成败基本决定线代成败）。本章在线代整卷中约占 12-16 分（35%-40%）。
| 考点 | 考法 | 考频（近15年） | 采分点（大题怎么给分） |
|------|------|----------------|----------------------|
| 矩阵乘法与运算律（不交换/消去律不成立） | 选择/填空 | ⭐⭐⭐ 每年必考，3-5 分 | 维度检查 1 分 + 每格"前行乘后列"计算 2 分 |
| 求逆矩阵（伴随法 + 初等变换法） | 填空/解答 | ⭐⭐⭐ 每年，5-8 分 | 行列式判断 2 分 + 求逆过程 4 分 + 结果验证 2 分 |
| 矩阵方程 AX=B / XA=B | 解答 | ⭐⭐⭐ 近五年几乎年年，6-10 分 | 整理标准形式 2 分 + 求逆 3 分 + 乘法 3 分 + 验证 2 分 |
| 矩阵的秩（计算 + 含参讨论） | 选择/填空/解答 | ⭐⭐⭐ 每年，4-8 分 | 化阶梯形 4 分 + 分类讨论 4 分 |
| 伴随矩阵（AA*=\|A\|E 及推论） | 选择/填空 | ⭐⭐⭐ 高频易错，3-6 分 | 核心公式 2 分 + 推论（\|A*\|、r(A*)）2 分 |
| 抽象型行列式（\|AB\|=\|A\|\|B\|、\|kA\|） | 选择/填空 | ⭐⭐⭐（2012/2015 等真题），3-6 分 | 公式串联 3 分（见章末行列式专题） |
| 初等变换与初等矩阵 | 选择/填空 | ⭐⭐ 较高，3-5 分 | "行左列右"判断 2 分 |
| 分块矩阵的运算 | 选择/计算 | ⭐⭐ 较高，3-5 分 | 分块求逆 3 分 |
| 方阵的幂 Aⁿ | 选择/填空 | ⭐⭐ 较高，4-6 分 | 找规律/分解 4 分 |
| 对称/反对称矩阵、矩阵等价 | 选择 | ⭐ 中等，3 分 | 概念判断 1-2 分 |
> **精力分配**：乘法 + 求逆 + 矩阵方程 + 秩 = 四大支柱（每年必考，练到"看完题就动手"）；伴随矩阵是"高频易错点"要单独练熟；对称矩阵/矩阵等价等小题概念题扫一遍即可。
---
## 🎯 真题预览：这章在真题里长什么样
> ① **经典考研题（原标年份存疑，见下注）**抽象型行列式 + 伴随矩阵综合——选填，见"行列式专题 题型H"。
> ② **经典考研题（原标年份存疑，见下注）**矩阵方程 + 抽象型求逆——解答/填空，见"知识块B 题2-15"。
> ③ **经典考研题（原标年份存疑，见下注）**矩阵方程 + 初等变换综合——解答，见"知识块B 题2-13"。
> ④ **数学三**：线代每年必有一道矩阵运算或秩的小题（选填 5 分），解答大题以矩阵为载体综合考查。
> 🔍 **为什么不再标年份**：本预览早年标注的 2012/2015/2013 等具体年份，经网络核实与对应题目不符，一律改为"经典考研题"——此类题型在数学一/数学三多年反复出现，学的是题型与解法，不是年份记忆。
>
> 规律：小题必考矩阵运算/秩/伴随；大题几乎总有一条"求逆/矩阵方程/含参秩"的链路。这章不学透，后面第 3-6 章全学不动。
---
## 🔁 上章回顾 3 问（先考再学——答不出就回去翻第1章）
> 这是本章要用到的第 1 章（行列式）本领，先自测：
> 1. 计算下面这个 2 阶行列式（第1章的基本功）：
>
> $$ \begin{vmatrix} 1 & 2 \\ 3 & 4 \end{vmatrix} = ? $$
>
> 2. （第1章·克拉默法则）用克拉默法则解方程组时，如果系数行列式 $|A| \neq 0$（$A$ 是"数表"——第1章的叫法），方程组有____解？（唯一 / 无数 / 无）
> 3. （第1章·提公因子）行列式的第一行是 $2,\ 4,\ 6$，能不能把公因子 $2$ 提到行列式外面？提到外面后，原行列式 = $2 \times$ ____？
📖 点击看答案
> 1. $1\times4 - 2\times3 = -2$。
> 2. **唯一解**。$|A|\neq0$ 时克拉默法则的分母不为 0，能算出唯一解——这个"健康信号"（体检指标）第 2 章会用**同一句话**判断矩阵能不能"倒放"：$|A|\neq0$ ⟺ 可逆（2.10 节正式学，现在先记住"它俩是一回事"这个信号即可，答不出不丢人，学到 2.10 回来就懂）。
> 3. **能**。把第一行的公因子 2 提到外面：原行列式 = $2\times$（第一行变成 $1,\ 2,\ 3$ 后的新行列式）。（提示：这只是"一行"提因子；到 2.3 学了"整张数表都乘一个数"之后，$n$ 行每行都提一次，就是章末"行列式专题"里 $|kA|=k^n|A|$ 的来历——现在不用记，学到那节再回来看这句话就通了。）
---
## 🧾 本章符号速查表（遇到不认识的记号，先回这里查——全章统一用这套写法）
| 记号 | 名字 | 含义 | 首次正式登场 |
|------|------|------|------------|
| $A,B,C,X$ | 矩阵 | "一张数字表格"，也是"变换器" | 2.1 |
| $a_{ij}$ | 元素 | 矩阵 $A$ 第 $i$ 行第 $j$ 列的数（下标先行后列） | 2.1 |
| $m\times n$ | 形状 | 矩阵有 $m$ 行 $n$ 列（行在前、列在后） | 2.1 |
| $A^{\mathsf T}$ | 转置 | 行列互换得到的矩阵（正文写作 $Aᵀ$） | 2.6 |
| $A^{-1}$ | 逆矩阵 | 与 $A$ 相乘得 $E$：$AA^{-1}=A^{-1}A=E$ | 2.10 |
| $A^*$ | 伴随矩阵 | 由代数余子式拼成再转置，核心公式 $AA^*=\lvert A\rvert E$ | 2.11 |
| $\lvert A\rvert$ | 行列式 | 第1章的"体检指标"，**只对方阵定义**（$A^*$ 右上角星、$\lvert A\rvert$ 两侧竖线，别混） | 第1章 |
| $E$ | 单位矩阵 | 主对角线全 1、其余全 0——矩阵世界里的"数字 1"：$AE=EA=E$ | 2.7 |
| $r(A)$ | 秩 | 矩阵去掉"水分"后真正有用的行数 | 2.15 |
| $k$ | 数 | 一般用来表示一个普通数字（数乘时用） | 2.3 |
> ⚠️ 最容易混的三对：$A^*$（伴随）≠ $A^{\mathsf T}$（转置）≠ $A^{-1}$（逆）——本章后文三者常同时出现，做题时先看清是哪个。
---
## 二、核心知识与解题方法
### 📦 知识块A：矩阵基础运算
> 📌 这块学完你就能回答：
> - 矩阵到底是什么？"数字表格"和"变换器"两种身份怎么理解？
> - 矩阵的加减法和数乘为什么像"两张表格逐格合并"和"整张表同时放大"？
> - 矩阵乘法"前行乘后列"怎么算？为什么两个矩阵相乘前必须先检查维度？
> - 矩阵乘法的五条反常规则分别是什么？为什么"先穿袜子再穿鞋"和"先穿鞋再穿袜子"结果不同？
### 0. 发生式第一课：矩阵是怎么被发明的？（先读这一节！）
> 🔔 **这一节回答你最想问的问题**：矩阵这个"数字表格"到底是哪来的？为什么要把数字排成方方正正的表格？它是人发明的规矩，还是从问题里长出来的？
>
> **答案一句话：矩阵是从"解方程组"里长出来的——人类把方程组的"系数"单独抽出来排成表格，发现这张表自己会"干活"。** 我们跟着发现它的脚步走一遍。
#### 第一步：回到第1章的老朋友——解方程组
还记得第1章吗？人类解方程组：
$$\begin{cases} 2x + 3y = 8 \\ x - y = 1 \end{cases}$$
解的时候，其实**只有系数在参与运算**：2、3、x、y、8、1……未知数 x、y 只是"被搬运的货物"，真正干活的是系数 2、3、1、-1。
> ✍️ **动手前先想**：如果把方程里的 x、y 都"藏起来"，只留下系数和等号右边的常数，你会怎么摆？——对，摆成一张表：
>
> $$\begin{bmatrix} 2 & 3 & 8 \\ 1 & -1 & 1 \end{bmatrix}$$
>
> 左边两列是系数，右边一列是常数。**这张表就能代表整个方程组**——因为 x、y 的位置是固定的，只要系数表在，方程组就在。
#### 第二步：发现"表"自己会干活
人类很快发现：**这张表不只是"记录"，它还能"干活"。**
- 消元法的每一步（某行乘 k、两行相减）→ 都是在"操作这张表的行"
- 两个方程组"相加"（对应方程相加）→ 就是两张表逐格相加
于是人类想：既然表能干活，不如**把它当成一个独立的东西来研究**——给它起个名字，就叫**矩阵**（"矩"是方框，"阵"是排好的队伍）。**矩阵不是人类凭空造的表，是人类从方程组里"抽"出来的、会干活的表。**
#### 第三步：矩阵乘法为什么是"前行乘后列"？（最关键的发现）
这是本章最容易"背规矩"的地方。别背，跟着发现一次：
**问题**：方程组可以"连起来"——比如先把 x 变成 y（第一个方程组），再把 y 变成 z（第二个方程组）。两个方程组连着解，系数表会变成什么样？
人类算了一下发现：连着解的时候，**新系数表的每个格子，正好等于"第一张表的某一行"和"第二张表的某一列"对应相乘再相加**——这就是矩阵乘法的"前行乘后列"。
> 🛑 **停下来想一想**：所以"前行乘后列"不是人规定的算法，是**"两个方程组连着解"这个操作本身长出来的形状**。就像第1章行列式的 ad−bc 一样——先有操作，后有算法，算法只是把操作记录下来。
>
> 打个比方：你每天先坐地铁再换公交到公司，"地铁+公交"这个连续动作的结果，就是"换乘表"。矩阵乘法就是"换乘表"的计算规则——不是数学家拍脑袋定的，是"连续动作"长出来的。
#### 第四步：为什么要学矩阵？（它的价值）
- **第1章行列式**是"量动作的尺子"（算出一个数）
- **第2章矩阵**是"动作本身"（整张表，能做加减乘除、能求逆、能量维度）
解方程组、求逆、判断可逆（|A|≠0）、算秩——全是这张表在干活。**学完本章，你手里的"工具"从"一把尺子"升级成"一台能干的机器"。**
> ✅ **本节收获自检**（能答上来才算过）：
> - 矩阵是从哪来的？（从解方程组里把系数抽出来排成表）
> - 为什么矩阵能"干活"？（消元、方程组加减都是操作这张表）
> - "前行乘后列"是规定出来的吗？（不是，是"两个方程组连着解"长出来的形状）
> - 矩阵和行列式有什么区别？（行列式是一个数，矩阵是一张表）
> 📖 **接下来**：2.1 节会用"记账本/快递表格"的比喻再确认一遍矩阵是什么——**注意：那是"推完后的确认"，不是"定义"。** 你已经知道矩阵从哪来了，比喻只是帮你记住它长什么样。
### 2.1 矩阵到底是什么？
> 🔔 **课前激活**（动笔写30秒再往下读）
>
> （和章首那个记账本的例子一样）你在手机上记了一周的开销，三天下来记了 3 行 2 列的数字。这个每天记的"小账本"和数学里的矩阵有什么关系？
**💬 生活比喻**：
想象你是一家快递公司的调度员。每天你要处理很多订单——每个订单有：发件地址、收件地址、重量、运费。你把这些信息整齐地写在一张大表格里：每一行是一个订单，每一列是一种信息（比如第1列是重量，第2列是运费）。
**矩阵就是这张大表格**——把一堆数字按行和列整齐排列，变成一个"数字军团"。
- 这个表格有 3 行 4 列 → 叫"3×4 矩阵"
- 表格里每个格子里的数字叫"元素"
- 如果行数和列数一样（比如都是 3）→ 叫"方阵"（正方形表格）
**📖 正式定义**：
由 m×n 个数排成的 m 行 n 列的矩形数表，称为 m×n 矩阵。记作：
```
[a₁₁ a₁₂ ... a₁ₙ]
A = [a₂₁ a₂₂ ... a₂ₙ]
[ ... ... ... ...]
[aₘ₁ aₘ₂ ... aₘₙ]
```
其中 aᵢⱼ 表示第 i 行第 j 列的元素。
**🔑 一句话记住**：矩阵 = 一张有行有列的"数字表格"。
> 和第1章的行列式对比：行列式是一个**数**（算出来只有一个结果），矩阵是一个**表**（是一堆数排在一起）。行列式必须是方阵才能算，矩阵可以是长方形的。
> 🔍 **回头看看我们做了什么**：从"手机记账本"到"快递调度表"，我们做的其实只有一件事——**把一堆本来散着的数字，按行和列排整齐**。谁排得整齐，谁就"有了一张矩阵"；至于这张表是账本、是体检报告还是配送单，随它去。
>
> ✍️ **立刻练一道**：下面哪些是矩阵？顺手说出它是几行几列。
> (1) $\begin{bmatrix} 1 & 2 \\ 3 & 4 \end{bmatrix}$ (2) [5 6 7] (3) 体温计读数 36.7 (4) $\begin{bmatrix} 1 \\ 2 \\ 3 \end{bmatrix}$（一列）
>
>
📖 点击看答案
>
> (1) 是矩阵，2 行 2 列；(2) 是矩阵，1 行 3 列；(3) 不是——它只是一个"数"，没有排成行和列；(4) 是矩阵，3 行 1 列。
>
>
### 2.1.5 矩阵的第二重身份：变换器
除了看成"数字表格"，矩阵还有另一个同等重要的身份：**矩阵是一个"变换器"**——它把一个箭头（向量）变成另一个箭头（向量）。
**💬 生活比喻**：矩阵就像一个工厂流水线——原料（x，一堆数组成的箭头）从一端进去，经过各道工序（矩阵的每一行），从另一端出来变成成品（y，另一堆数组成的新箭头）。
**📖 正式表述**：一个 m×n 矩阵 A，作用在一个 n 维列向量 x 上，会产出一个 m 维列向量 y = Ax。这个视角是学习后续章节（特征值等）的基础。
**🔑 带着这个视角，你会理解更多**：
- **逆矩阵为什么是"撤销操作"**：因为它是反向变换，就像"脱衣服"倒过来做"穿衣服"的动作
- **秩为什么代表"真正有用的变换维度"**：因为被压扁的维度无法通过逆变换恢复——秩就是变换后还剩几个"没被压扁"的方向
- **特征值为什么是"拉伸倍数"**：因为矩阵作用在特征向量上，效果等同于一个数（特征值）去乘它——方向不变，只伸缩
🎮 动画验证：矩阵 = 把整张纸捏变形（动手拖一拖）
两个虚箭头是原来的方向：向右一格、向上一格（数学上叫"基"）。矩阵 $A$ 把整张纸连捏带拽——红色箭头是"向右一格"被搬去的位置 $(a,c)$，蓝色箭头是"向上一格"被搬去的位置 $(b,d)$，这正好就是 $A$ 的两列。拖动下面 $a,b,c,d$ 四个滑块（或点预设按钮），看右下角：$|A|=ad-bc$（第1章的体检指标）的绝对值就是蓝色区域面积被放大的倍数（负值只表示翻面）——$|A|=0$ 时整张纸被压成一条线（不可逆的预兆，2.10 节会讲）。
> ⭐⭐ 这个"变换器"视角和第5章的特征值、第6章的二次型紧密相关。很多看似抽象的定义，一旦用"变换器"的视角来看，都会变得自然。
>
> 💡 如果你还没学到向量、特征值这些概念——完全没关系！这里只是提前埋一颗种子，告诉你"矩阵不只是一张表，它还能做事情"。等你学到第3章（向量）和第5章（特征值），自然会回来理解这段话。学习就像拼图，现在先记住"有这个视角"，以后拼图会自己拼上。
> ⭐⭐⭐ 核心概念
> 🛑 **停下来想一想**：为什么同样一张数字表格，既可以当成"信息记录本"（记账），也可以当成"变换器"（把箭头变成新箭头）？这两个身份在"矩阵乘法"里是怎么统一起来的？
> 💡 **阅读思考题**
>
> **❶ 理解检测** — 用自己的话告诉一个没学过线性代数的朋友：矩阵和行列式的本质区别是什么？为什么说"矩阵是一张表格，行列式是一个体检指标"？
>
> **❷ 深度思考** — 你和两个朋友合伙开奶茶店，记录了三种配料（珍珠、椰果、布丁）一周每天的用量，形成一张7行3列的表格。这张表格是矩阵吗？如果月底你要统计"每种配料总共用了多少"，这个操作对应矩阵里的什么运算？
>
> **❸ 考试演练** — （单选题）设A是2×3矩阵，B是3×2矩阵，则下列运算中有意义的是：
> A. A+B B. AB C. BA D. A²
>
> 💡 先别急着做：判断 A+B 需要"同型"（2.2 讲）、AB/BA 需要"乘法维度匹配"（2.4 讲）、A² 需要"方阵"（2.7 讲）。这道题可以先跳过，学完 2.4-2.7 再回来答。
📖 点击查看参考答案
**🛑 停下来想一想**：矩阵的"表格身份"是静态的——它只是把数字排列整齐；"变换器身份"是动态的——矩阵A乘以一个向量x得到y=Ax，意味着"A把x变成了y"。在矩阵乘法AB=C中，B的每一列都是"被变换的箭头"，A是"变换器"，C的每一列就是变换后的结果。两种身份通过乘法统一：表格A通过"前行乘后列"的方式，对表格B的每一列做变换。
**❶** 行列式是一个"数"——像体温计，只用一个数字告诉你"有没有问题"（=0有毛病，≠0正常）；矩阵是一张"表"——像体检报告，里面密密麻麻记录了所有指标的具体数值。行列式只能由方阵算出来，矩阵可以是长方形。
**❷** 是矩阵。统计"每种配料总共用了多少"相当于把每一列（每种配料）的7天数据全部加起来，本质上是矩阵的"列求和"——可以理解为用一个全是1的行向量[1,1,...,1]左乘这张矩阵。如果每种配料单价不同，要算"总花费"，那就是矩阵乘法了。
**❸** 答案：B和C都有意义。
- A+B需要同型，2×3和3×2不同型，不能加。
- AB：(2×3)×(3×2)→2×2，中间的3=3对上了，有意义。
- BA：(3×2)×(2×3)→3×3，中间的2=2对上了，也有意义。
- A²需要A是方阵，2×3不是方阵，不能平方。
**考试易错提醒**：AB和BA都有意义不代表结果相等——它们一个是2×2，一个是3×3，连形状都不一样！这再次验证了矩阵乘法不满足交换律。
---
### 2.2 矩阵的加减法 —— "两张表格逐格合并"
> 🔔 **课前激活**（动笔写30秒再往下读）
>
> 你和朋友一起记账：你这个月买水果花了[苹果50元, 香蕉30元, 橘子40元]，朋友也记了一份[苹果60元, 香蕉20元, 橘子35元]。现在要算"两人加起来每种水果花了多少钱"——你会怎么算？是不是把对应的格子直接相加就可以了？
>
> 📌 这节学完你就能回答：两个矩阵在什么条件下才能相加减？为什么两张形状不同的表格没法逐格合并？（如果对"矩阵""元素"还没印象，可回头看§2.1）
**💬 生活比喻**：
你有两张表格，大小完全一样（都是 3 行 4 列）。一张记的是这个月每天的销售额，另一张记的是上个月每天的销售额。你想算"两个月加起来每天卖了多少"——很简单：把两张表叠在一起，对应格子里的数分别相加就行。
**加减法就是两张同尺寸表格的"逐格合并"**。
**📖 正式定义**：
两个 m×n 矩阵 A = (aᵢⱼ) 和 B = (bᵢⱼ)，它们的和 A+B 是一个 m×n 矩阵，第 i 行第 j 列的元素 = aᵢⱼ + bᵢⱼ。
**⚠️ 前提条件**：两个矩阵必须**行数列数完全一样**（都是 m×n），否则不能加减。就像两张表格尺寸不同，没法逐格对齐。
**📝 例子**：
```
[1 2] [5 6] [1+5 2+6] [6 8]
[3 4] + [7 8] = [3+7 4+8] = [10 12]
```
**📋 运算律**（和普通数字一样）：
- A + B = B + A（交换律——先加哪张表结果一样）
- (A + B) + C = A + (B + C)（结合律——三张表可以分组加）
> ✍️ **立刻练一道**：
> A = $\begin{bmatrix} 1 & 2 \\ 3 & 4 \end{bmatrix}$，B = $\begin{bmatrix} 5 & 6 \\ 7 & 8 \end{bmatrix}$。算一算 A+B 和 A−B，再试着解释"为什么两张不同形状的表格不能加"。
>
>
📖 点击看答案
>
> A+B = $\begin{bmatrix} 6 & 8 \\ 10 & 12 \end{bmatrix}$；A−B = $\begin{bmatrix} -4 & -4 \\ -4 & -4 \end{bmatrix}$。不同形状（比如 2×3 和 3×2）没法逐格对齐——每个格子找不到自己该对应的"舞伴"，所以不能加。
>
>
> ⭐ 基础概念
---
### 2.3 矩阵的数乘 —— "整张表每个格子同时放大"
> 🔔 **课前激活**（动笔写30秒再往下读）
>
> 你有一张餐厅菜单价格表：鱼香肉丝20元、宫保鸡丁18元、麻婆豆腐12元。老板说要全面涨价10%——每道菜都乘以1.1。你不需要一道一道重新算，拿计算器直接把每个价格乘以1.1就行。如果是一张100道菜的价目表呢？"全部都乘同一个数"这个操作在矩阵里叫什么？
>
> 📌 这节学完你就能回答：怎样把一整张表格"同时放大 k 倍"？为什么矩阵数乘 kA 是每个元素乘 k，而行列式却要提 kⁿ？（如果对矩阵结构、加减法还没印象，可回头看§2.1、§2.2）
**💬 生活比喻**：
公司决定给每个人涨 10% 的工资。工资表上每个人、每个月的数字全部乘以 1.1 就行了。
**数乘就是把一个数 k 乘到矩阵的每个格子里**。
**📖 正式定义**：
数 k 与矩阵 A 的数乘 kA，就是把 A 的每个元素都乘以 k。
**📝 例子**：
```
[1 2 3] [3 6 9]
3 × [4 5 6] = [12 15 18]
```
**⚠️ 注意和第1章的区别**：第1章我们学过，对 n 阶方阵，|kA| = kⁿ|A|（行列式要提 k 的 n 次方）。但矩阵本身 kA 只是每个元素乘 k，不需要 n 次方。
**📋 运算律**：
- k(A + B) = kA + kB
- (k + l)A = kA + lA
- k(lA) = (kl)A
> 🔍 **回头看看**：数乘的秘密就一句话——**"每个格子同时乘 k"**。它和行列式"提 kⁿ"的区别是本章最容易混的点：行列式一次乘 k，一行里的 n 个数全被放大，所以行列式放大 kⁿ 倍；矩阵只是把每个数各自放大 k 倍，一张表里有多少个格子就是多少倍，不需要 n 次方。先记住"矩阵数乘 = 逐格放大"，后面做题遇到 |kA| 再回来对表。
>
> ✍️ **立刻练一道**：A = $\begin{bmatrix} 1 & 2 \\ 3 & 4 \end{bmatrix}$，算 2A，再算 2A + A 并对照 3A，看看结果是否一致。
>
>
📖 点击看答案
>
> 2A = $\begin{bmatrix} 2 & 4 \\ 6 & 8 \end{bmatrix}$；2A + A = $\begin{bmatrix} 2 & 4 \\ 6 & 8 \end{bmatrix}$ + $\begin{bmatrix} 1 & 2 \\ 3 & 4 \end{bmatrix}$ = $\begin{bmatrix} 3 & 6 \\ 9 & 12 \end{bmatrix}$；3A = $\begin{bmatrix} 3 & 6 \\ 9 & 12 \end{bmatrix}$。一致——数乘和加法确实可以"先合并系数"（kA + lA = (k+l)A）。
>
>
> ⭐ 基础概念
---
### 2.4 矩阵的乘法 —— "行与列的舞蹈"（最核心！）
> 🔔 **课前激活**（动笔写30秒再往下读）
>
> 你去奶茶店，菜单上有三种配料（珍珠、椰果、布丁），三种奶茶（原味、抹茶、巧克力），每种奶茶放不同数量的配料。现在来了两桌客人，各点了不同的奶茶组合。你怎么算出"每桌总共需要多少珍珠、多少椰果、多少布丁"？这其实就是一个"行"和"列"配对相乘的过程——矩阵乘法的核心就是这个！
>
> 📌 这节学完你就能回答：两个矩阵在什么条件下能相乘？乘出来是几行几列？"前行乘后列"到底怎么一步步算出每个格子？（如果对下标 aᵢⱼ、"行""列"还没印象，可回头看§2.1）
**💬 生活比喻**：
想象你开了一家餐厅，有三种套餐（A餐、B餐、C餐），每种套餐包含不同数量的米饭、菜、汤。
把套餐内容写成一张表（矩阵一）：
```
米饭 菜 汤
A餐 [ 1 2 1 ]
B餐 [ 2 1 2 ]
C餐 [ 1 3 1 ]
```
今天来了两桌客人，每桌点了不同数量的套餐（矩阵二）：
```
第1桌 第2桌
A餐 [ 3 1 ]
B餐 [ 2 0 ]
C餐 [ 1 2 ]
```
问：每桌各需要多少米饭、菜、汤？
- 第1桌需要的米饭 = A餐数×A餐米饭 + B餐数×B餐米饭 + C餐数×C餐米饭 = 3×1 + 2×2 + 1×1 = 8 份
- 第1桌需要的菜 = 3×2 + 2×1 + 1×3 = 11 份
- ...以此类推
**矩阵乘法就是"第一个表的行"和"第二个表的列"配对相乘再相加**。结果矩阵中第 i 行第 j 列的数 = 第一个矩阵第 i 行 与 第二个矩阵第 j 列 逐对相乘再求和。
**📖 正式定义**：
设 A 是 m×s 矩阵，B 是 s×n 矩阵（⚠️ A 的列数 必须 = B 的行数），则乘积 C = AB 是 m×n 矩阵，其中：
```
cᵢⱼ = aᵢ₁b₁ⱼ + aᵢ₂b₂ⱼ + ... + aᵢₛbₛⱼ = Σ(k=1 to s) aᵢₖbₖⱼ
```
**🔑 口诀**："前行乘后列，对应相乘再相加。"
**📝 具体步骤图解**：
算 2×2 矩阵乘法：
```
[1 2] [5 6] [1×5+2×7 1×6+2×8] [19 22]
[3 4] × [7 8] = [3×5+4×7 3×6+4×8] = [43 50]
```
> 💡 小提示：右上角的小 T（ᵀ）是"转置"的记号，表示"把一列横过来写成一行"，2.6 节会正式讲。这里你只要知道它是"把列写成行、方便配对"的记号即可。
- 结果(1,1)：用第1行[1,2] × 第1列[5,7]ᵀ = 1×5+2×7 = 19
- 结果(1,2)：用第1行[1,2] × 第2列[6,8]ᵀ = 1×6+2×8 = 22
- 结果(2,1)：用第2行[3,4] × 第1列[5,7]ᵀ = 3×5+4×7 = 43
- 结果(2,2)：用第2行[3,4] × 第2列[6,8]ᵀ = 3×6+4×8 = 50
🎮 动画验证：乘法格子是怎么算出来的？（点一点结果矩阵的格子）
$C=AB$ 结果矩阵的每一个格子，都是左边 $A$ 的某一整行去配中间 $B$ 的某一整列（对应相乘再相加）。点下面 4 个按钮选 $C$ 的一个格子——红色框标出 $A$ 中要被调用的行，蓝色框标出 $B$ 中要被调用的列，下方列出这笔账的每一步。
**📏 维度规则**（非常重要的检查习惯！）：
```
A(m×s) × B(s×n) = C(m×n)
↑ ↑ ↑
行数 必须相等 行数取A，列数取B
(A的列=B的行)
```
就像拼积木——中间的凸起和凹槽必须吻合才能拼在一起。
**🔍 快速自检法**：写一个矩阵乘法之前，先在草稿纸上写下维度。例如：
```
(3×2) × (2×4) = (3×4) ✅ 中间的 2 对上了！
(3×2) × (3×4) = ??? ❌ 中间的 2 和 3 对不上！
```
养成这个习惯，能避免至少一半的低级错误。
**还有一个非常实用的"维度追踪法"**：在做复杂的矩阵乘法链（比如 A×B×C×D）时，把每一步结果的维度写在旁边，随时检查中间维度是否吻合。就像长途旅行看路标，确保每一步都没走错方向。
> 🔍 **回头看看我们做了什么**：从前面"配料表"的例子到"餐厅套餐"，我们悟出的就是四个字——**行乘列**。第 i 行的数，逐个去配第 j 列的数，乘起来再求和，填进结果的 (i,j) 格。先检查"中间维度对上没有"（A 的列数 = B 的行数），再动手乘——这个检查顺序别颠倒，它是整个矩阵乘法唯一的前提。
>
> 📌 **以后就这么办**：看到两个矩阵相乘，①先在草稿写维度 (m×s)(s×n)，念一句"中间相等、两头取值"；②再逐格做"前行乘后列"。一步检查、一步计算，能挡掉一半低级错误。
>
> ✍️ **立刻练一道**：A = $\begin{bmatrix} 1 & 2 \\ 3 & 4 \end{bmatrix}$，B = $\begin{bmatrix} 5 & 6 \\ 7 & 8 \end{bmatrix}$。先判断 AB 和 BA 分别是什么形状，再各算一遍，对比两个结果是否相同。
>
>
📖 点击看答案
>
> AB = $\begin{bmatrix} 1 & 2 \\ 3 & 4 \end{bmatrix}$×$\begin{bmatrix} 5 & 6 \\ 7 & 8 \end{bmatrix}$ = $\begin{bmatrix} 1\times 5+2\times 7 & 1\times 6+2\times 8 \\ 3\times 5+4\times 7 & 3\times 6+4\times 8 \end{bmatrix}$ = $\begin{bmatrix} 19 & 22 \\ 43 & 50 \end{bmatrix}$；BA = $\begin{bmatrix} 5 & 6 \\ 7 & 8 \end{bmatrix}$×$\begin{bmatrix} 1 & 2 \\ 3 & 4 \end{bmatrix}$ = $\begin{bmatrix} 5\times 1+6\times 3 & 5\times 2+6\times 4 \\ 7\times 1+8\times 3 & 7\times 2+8\times 4 \end{bmatrix}$ = $\begin{bmatrix} 23 & 34 \\ 31 & 46 \end{bmatrix}$。两者形状都是 2×2，但结果**不相同**——这正是下一节要讲的"交换顺序，结果就变"。
>
>
> ⭐⭐⭐ 核心概念——矩阵乘法是整门课最重要的运算，后面逆矩阵、方程组、特征值全部建立在乘法之上。
> 🛑 **停下来想一想**：一张 3×2 的表格和一张 2×5 的表格能相乘吗？如果能，结果是几行几列？把它们调换顺序还乘得起来吗？
> 💡 **阅读思考题**
>
> **❶ 理解检测** — 借用前面"配料表"的比喻，用一句话向没学过的同学讲清楚：乘积矩阵里"第 i 行第 j 列"那个数是怎么算出来的？
>
> **❷ 深度思考** — 外卖平台上，一张表记"每种套餐含几份米饭、几份菜"（套餐×食材），另一张记"每位顾客点了几份各套餐"（顾客×套餐）。要算"每位顾客总共要多少米饭、多少菜"，该拿哪两张表相乘？谁在前谁在后？中间要对齐的那个维度是什么？
>
> **❸ 考试演练** — （单选题）设 A 是 3×4 矩阵，B 是 4×2 矩阵，下列运算有意义的是：
> A. A+B B. AB C. BA D. A²
📖 点击查看参考答案
**🛑 停下来想一想**：能不能乘，只看"前一个的列数是否等于后一个的行数"。3×2 和 2×5：前者列数 2 = 后者行数 2，能乘，结果取"前者行数×后者列数"=3×5。调换顺序变成 2×5 乘 3×2：前者列数 5 ≠ 后者行数 3，不能乘——这正说明矩阵乘法连"能不能算"都跟顺序有关。
**❶** 结果矩阵第 i 行第 j 列的数 = 第一张表的"第 i 行"和第二张表的"第 j 列"逐个配对相乘再全部加起来。就像算"每桌客人一共需要多少第 j 种配料"：把这桌点的每种饮品数量，乘以每种饮品放的第 j 种配料数，再加总。
**❷** 该算"顾客×食材"，所以用"顾客×套餐"的表 乘 "套餐×食材"的表（顾客表在前、套餐-食材表在后）。中间要对齐的维度是"套餐"——前表的列（套餐）必须等于后表的行（套餐），才能把"每位顾客点的套餐"和"每种套餐的用料"配对相乘。
**❸** 答案：B。
- AB =（3×4）(4×2)，中间的 4 对上了，结果 3×2，有意义。
- A+B 要求同型，3×4 与 4×2 不同型，不能加。
- BA =（4×2）(3×4)，中间 2≠3，无意义。
- A 不是方阵，不能自乘（A²）。
**考试易错提醒**：动笔前先在草稿上写维度，念一句"中间相等、两头取值"。中间那个数对不上就绝对不能乘——这一招能挡掉一半的低级错误。
---
### 2.5 矩阵乘法的五条"反常规则"（最容易错的地方！）
> 🔔 **课前激活**（动笔写30秒再往下读）
>
> 你习惯了普通数字的乘法：3×5 = 5×3（交换顺序没关系）、如果 3×x = 3×y 那 x 一定等于 y（消去律）。但现在矩阵乘法里这些习惯全都要打破——先穿袜子再穿鞋，跟先穿鞋再穿袜子，结果一样吗？如果不一样，那数学上"交换顺序"这件事在矩阵里又是怎样的？
> #### 先别急着背规则——先算一道题，看看你的"数字直觉"在哪一步翻车
>
> 看到这题，先别慌。设 A = $\begin{bmatrix} 1 & 0 \\ 0 & 0 \end{bmatrix}$，B = $\begin{bmatrix} 0 & 0 \\ 1 & 0 \end{bmatrix}$。
>
> **难在哪？** ——数字乘法里，3×5=5×3 天经地义；可矩阵乘法你刚学的是"前行乘后列"，它天生有个"方向感"。那问题来了：把 A、B 的顺序一换，结果会怎样？
>
> 动手算：**先算 AB**——前行乘后列：
> ```
> AB = $\begin{bmatrix} 1 & 0 \\ 0 & 0 \end{bmatrix}$ × $\begin{bmatrix} 0 & 0 \\ 1 & 0 \end{bmatrix}$ = $\begin{bmatrix} 1\times 0+0\times 1 & 1\times 0+0\times 0 \\ 0\times 0+0\times 1 & 0\times 0+0\times 0 \end{bmatrix}$ = $\begin{bmatrix} 0 & 0 \\ 0 & 0 \end{bmatrix}$
> ```
> 再算 **BA**：
> ```
> BA = $\begin{bmatrix} 0 & 0 \\ 1 & 0 \end{bmatrix}$ × $\begin{bmatrix} 1 & 0 \\ 0 & 0 \end{bmatrix}$ = $\begin{bmatrix} 0\times 1+0\times 0 & 0\times 0+0\times 0 \\ 1\times 1+0\times 0 & 1\times 0+0\times 0 \end{bmatrix}$ = $\begin{bmatrix} 0 & 0 \\ 1 & 0 \end{bmatrix}$
> ```
> AB 是零矩阵，BA 却是 $\begin{bmatrix} 0 & 0 \\ 1 & 0 \end{bmatrix}$——**顺序一换，结果全变**！这就是矩阵乘法与普通数字最扎眼的不同。
> 🔍 **回头看看我们做了什么**：刚才那一步不是计算失误，而是矩阵乘法的第一条铁律——**"前行乘后列"的配对规则天然不对称**。A 的行配 B 的列，和 B 的行配 A 的列，配对的"食材"从来不是同一组。所以矩阵乘法**不满足交换律**：AB 一般 ≠ BA，甚至 BA 可能根本没法算（维度对不上）。
>
> 📌 **以后就这么办**：凡是矩阵相乘，永远默认 AB ≠ BA；除非题目明确说"A 与 B 可交换"（AB = BA），否则不许交换顺序。
矩阵乘法和普通数字乘法有很多不同，一定要记住这些"反常"之处：
#### 规则1：不满足交换律 —— AB 不一定等于 BA
**💬 比喻**：先穿袜子再穿鞋，和先穿鞋再穿袜子，结果完全不同。顺序很重要！
**📖 严格说**：
- 大多数情况下 AB ≠ BA
- 甚至 BA 可能根本没法算（维度不匹配）
- 只有极少数特殊情况才可能 AB = BA（此时说"A 和 B 可交换"）
**📝 例子**：
```
A = [1 0] B = [0 1]
[0 0] [0 0]
AB = [0 1] BA = [0 0]
[0 0] [0 0]
AB ≠ BA！
```
#### 规则2：不满足消去律 —— AB = AC 不能推出 B = C
**💬 比喻**：用 0 乘以 5 和用 0 乘以 100，结果都是 0——但不能说 5 = 100。矩阵乘法也是类似的道理。
**📖 严格说**：若 AB = AC，只有当 A **可逆**时才能推出 B = C（可逆的概念后面会讲——先记住这句话，学到 2.10 节就懂了）。
#### 规则3：两个非零矩阵相乘可能得零矩阵
**💬 比喻**：就像把一张立体图纸"拍扁"到平面上——图纸和投影方向都不为零，但投影结果可能是零（如果方向刚好和图纸平行的话）。
**📖 严格说**：A ≠ 0 且 B ≠ 0，但可能出现 AB = 0。这和普通数字完全不同（两个非零数相乘绝不可能是 0）。
**📝 例子**：
```
[1 0] × [0 0] = [0 0]
[0 0] [1 0] [0 0]
```
两个矩阵都不是零矩阵，但乘积是零矩阵。
#### 规则4：乘积的行列式 = 行列式的乘积
**📖 公式**：|AB| = |A|·|B|（前提：A、B 都是方阵）
这个在第1章已经用过。先乘再算行列式 = 先各自算行列式再乘——结果一样。
#### 规则5：转置要倒序
**📖 公式**：(AB)ᵀ = BᵀAᵀ
注意顺序反转了！就像"先穿内衣再穿外衣"的相反操作是"先脱外衣再脱内衣"。
> 💡 还不认识"转置"（那个小 T）？它就是把矩阵"行和列互换"，正式定义在下一节 2.6。这一条只讲一个规律：乘积的转置 = 倒序的转置乘积。
> ⭐⭐⭐ 核心——每条规则都可能在选择题里出现
> 🛑 **停下来想一想**：普通数里"3×5=5×3""若 3x=3y 则 x=y"天经地义。搬到矩阵里，这两条还成立吗？"两个都不是零的矩阵相乘，结果会不会反而是零"？
> 💡 **阅读思考题**
>
> **❶ 理解检测** — 用一句话说明：为什么"先穿袜子再穿鞋"和"先穿鞋再穿袜子"这个日常场景，正好说明矩阵乘法的哪一条反常规则？
>
> **❷ 深度思考** — 想想"化妆"和"拍照"两个操作：先化妆再拍照 vs. 先拍照再化妆，出来的照片一样吗？把这个场景对应到 AB≠BA。再自己举一个"顺序一换、结果就变"的生活例子。
>
> **❸ 考试演练** — （单选题）设 A、B 为 n 阶方阵，下列命题正确的是：
> A. AB=BA 恒成立 B. 若 AB=0 则 A=0 或 B=0
> C. 若 AB=AC 且 A≠0，则 B=C D. (AB)ᵀ=BᵀAᵀ
📖 点击查看参考答案
**🛑 停下来想一想**：三条习惯全都要打破。① 交换律不成立：AB 一般 ≠ BA。② 消去律不成立：AB=AC 推不出 B=C（除非 A 可逆）。③ 两个非零矩阵相乘可以得零矩阵——比如把一张立体图纸沿某方向"拍扁"，图纸和方向都不为零，投影却是零。
**❶** 说明的是"不满足交换律"（规则1）。穿衣服的两个动作都在，但先后顺序不同，最终穿在身上的效果完全不同——正如 AB 和 BA 一般不相等，顺序决定结果。
**❷** 不一样：先化妆再拍照，照片里是化了妆的脸；先拍照再化妆，照片里是素颜。两个操作的先后顺序改变了最终结果，正对应 AB≠BA。生活里类似的还有：先加水再加面粉 vs. 先加面粉再加水、先开机再插U盘 vs. 先插U盘再开机等。
**❸** 答案：D。
- A 错：矩阵乘法一般不交换。
- B 错：两个非零矩阵相乘可能得零矩阵（"拍扁"效应）。
- C 错：消去律要求 A **可逆**，仅仅 A≠0 不够。
- D 对：转置倒序律 (AB)ᵀ=BᵀAᵀ 恒成立。
**考试易错提醒**：最坑的是 C——很多人下意识以为"A 不是零就能约掉"，其实必须 A 可逆（|A|≠0）才能消去。看到"消去"两个字，先问一句"这个矩阵可逆吗"。
> ✍️ **立刻练一道**（检验五条规则里最容易踩的三条）：
> A = $\begin{bmatrix} 1 & 2 \\ 3 & 4 \end{bmatrix}$，B = $\begin{bmatrix} 2 & 0 \\ 1 & 3 \end{bmatrix}$。
> (1) 算 AB 和 BA，验证 AB ≠ BA（规则1）；
> (2) 你还能不能另外找到两个非零矩阵，让它俩乘起来等于零矩阵（规则3）？试试用 A、B 各取一个非零列向量凑一下。
>
>
📖 点击看答案
>
> (1) AB = $\begin{bmatrix} 1\times 2+2\times 1 & 1\times 0+2\times 3 \\ 3\times 2+4\times 1 & 3\times 0+4\times 3 \end{bmatrix}$ = $\begin{bmatrix} 4 & 6 \\ 10 & 12 \end{bmatrix}$；BA = $\begin{bmatrix} 2\times 1+0\times 3 & 2\times 2+0\times 4 \\ 1\times 1+3\times 3 & 1\times 2+3\times 4 \end{bmatrix}$ = $\begin{bmatrix} 2 & 4 \\ 10 & 14 \end{bmatrix}$。AB ≠ BA ✓（这就是题2-1的(4)问）。
> (2) 零矩阵 $\begin{bmatrix} 0 & 0 \\ 0 & 0 \end{bmatrix}$ = $\begin{bmatrix} 1 & 0 \\ 0 & 0 \end{bmatrix}$ × $\begin{bmatrix} 0 & 0 \\ 1 & 0 \end{bmatrix}$，两个因子都不为零，乘积却是零（和 2.5 开头那道题用的是同一对矩阵）。
>
>
---
#### 🚫 先别看答案，找找茬
下面是一个同学展开 (A+B)² 的过程（A、B 都是 n 阶方阵）。**先别看答案，想想他哪一步违背了矩阵的"反常规则"。**
> **那位同学的"解法"**：(A+B)² = (A+B)(A+B) = A² + AB + BA + B² = A² + 2AB + B²。
📖 点击查看错误分析与正解
**错在哪**：最后一步把 "AB + BA" 合并成了 "2AB"——这是用了普通数字的习惯，默认 AB = BA。但矩阵乘法**不满足交换律**（规则1：先穿袜子再穿鞋 ≠ 先穿鞋再穿袜子）！一般情况下 AB ≠ BA，所以 AB + BA 不能合并成 2AB。
**正确展开**：(A+B)² = A² + AB + BA + B²，**四项都要保留**，不能写成 A² + 2AB + B²。
只有当题目额外告诉你"A 与 B 可交换"（即 AB = BA）时，才能合并成 A² + 2AB + B²——没有这个条件就绝不能假设。
**教训**：矩阵里凡是想"交换两个矩阵的相乘顺序"，先问一句"它俩可交换吗？"没有依据，就老老实实按原顺序摆着。
---
#### 🔗 灵魂定理：矩阵乘法五条反常规则 —— 完整推导
##### ① 🧃 生活场景
普通数字的世界里，乘法老实本分：3头牛和5头牛各算各的，先算谁后算谁一个样（3×5=5×3）；两包糖一包盐混在一起，能原样分开。但矩阵乘法是一个"配对游戏"——每个数字都要找到自己唯一的舞伴。你把舞伴表横过来看（交换顺序），配对的规则就全变了。接下来我们从矩阵乘法的定义"前行乘后列"出发，一条一条拆解这五条反常规则到底是"怎么反的"、又是"为什么反的"。
##### ② 📐 正式陈述
设 A、B、C 为矩阵（维度使下列运算有意义），则与普通数字乘法不同，矩阵乘法有以下五条"反常"性质：
1. **不满足交换律**：一般 AB ≠ BA，甚至 BA 可能根本没有定义
2. **不满足消去律**：由 AB = AC **不能**推出 B = C（除非 A 可逆）
3. **非零相乘可得零**：A ≠ 0 且 B ≠ 0，但可能出现 AB = 0
4. **乘积的行列式 = 行列式的乘积**：|AB| = |A|·|B|（A、B为方阵）
5. **转置要倒序**：(AB)ᵀ = BᵀAᵀ
其中前三条是对普通数字直觉的彻底颠覆，后两条是有规律可循的运算律。
##### ③ 🧠 完整推导
**第1步：从乘法的"前行乘后列"定义出发**
回顾矩阵乘法的定义——C = AB 中，C 的第 i 行第 j 列元素 = A 的**第 i 行**与 B 的**第 j 列**逐对相乘再求和：
```
cᵢⱼ = aᵢ₁b₁ⱼ + aᵢ₂b₂ⱼ + ... + aᵢₛbₛⱼ
```
每一对相乘的是 (A 的行元素, B 的列元素)。这个"谁跟谁配对"的规则一旦被打破（交换顺序），配对关系就会完全改变——这就是五条反常规则的总根源。
> 大白话：矩阵乘法不是"每个格子对每个格子乘"，而是"A的某行"和"B的某列"做"相亲配对"——第i行的第1个和第j列的第1个配成一对，第i行的第2个和第j列的第2个配成一对……把每对乘起来再全部加起来。换顺序后，原来"A第1行配B第1列"变成了"B第1行配A第1列"——配对对象全换了，结果当然变。
---
**第2步：推导规则1——为什么不满足交换律**
用具体反例说明。取：
```
A = [1 2] B = [5 6]
[3 4] [7 8]
```
先算 AB（前行乘后列）：
```
AB = [1×5+2×7 1×6+2×8] = [19 22]
[3×5+4×7 3×6+4×8] [43 50]
```
再算 BA（交换顺序后）：
```
BA = [5×1+6×3 5×2+6×4] = [23 34]
[7×1+8×3 7×2+8×4] [31 46]
```
AB ≠ BA——连第一个元素都不一样（19 vs 23）。
**为什么？** 看 AB 的 (1,1) 元素：用的是 A 的第1行 [1,2] 配 B 的第1列 [5,7]ᵀ。而 BA 的 (1,1) 元素：用的是 B 的第1行 [5,6] 配 A 的第1列 [1,3]ᵀ。配对的"食材"从一开始就不是同一组！
更严重的是：如果 A 是 2×3、B 是 3×2，AB 能算（结果 2×2），但 BA 也能算（结果 3×3）——两者连形状都不一样，谈何相等？
> 大白话：就像"把面粉倒进水里"和"把水倒进面粉里"——同样是混合，但加入的顺序决定了面团的质地。乘法公式"前行乘后列"决定了谁是"行的主人"、谁是"列的客人"——换了位置，整套配对关系全盘重来，结果当然不同。有时候甚至没法配（维度对不上）。
总结：**交换律不成立的根源 = "前行乘后列"的配对规则天然不对称**。除非两个矩阵刚好都是某种极其特殊的矩阵（比如对角矩阵），否则 AB 和 BA 绝不相等。
---
**第3步：推导规则2——为什么不满足消去律**
取反例：
```
A = [1 0] B = [1 2] C = [1 2]
[0 0] [3 4] [5 6]
```
计算 AB：
```
AB = [1×1+0×3 1×2+0×4] = [1 2]
[0×1+0×3 0×2+0×4] [0 0]
```
计算 AC：
```
AC = [1×1+0×5 1×2+0×6] = [1 2]
[0×1+0×5 0×2+0×6] [0 0]
```
AB = AC，但 B ≠ C（B 的第2行是[3,4]，C 的第2行是[5,6]）。
**为什么消不掉？** 因为 A 的第2行是全零——矩阵 A 把空间"拍扁"了。B 和 C 的第2行差异（[3,4] vs [5,6]）在乘 A 时被全零行"吞掉"了，信息丢失了，所以从 AB=AC 已经追溯不出 B 是否等于 C。
> 大白话：想象 A 是一台复印机，但它的第二行扫描头坏了——不管原稿第二行写什么，复印出来永远是空白。你拿到两张复印出来一模一样的纸（AB=AC），但原稿第二行一个写的是"3,4"、一个写的是"5,6"——当然不能说原稿一样。消去律成立的前提是 A 必须"完好无损"（可逆），每个扫描头都正常工作，才能从复印件倒推原稿。
**正确结论**：AB = AC 推出 B = C 的**前提**是 A **可逆**。此时两边左乘 A⁻¹：A⁻¹AB = A⁻¹AC → B = C（A⁻¹ 就是 A 的"逆"，怎么求在 2.10 节正式学，这里先知道有这回事就行）。
---
**第4步：推导规则3——两个非零矩阵相乘为什么能得零矩阵**
取反例：
```
A = [1 0] B = [0 0]
[0 0] [1 0]
```
A ≠ 0（有非零元素 1），B ≠ 0（有非零元素 1），但：
```
AB = [1×0+0×1 1×0+0×0] = [0 0]
[0×0+0×1 0×0+0×0] [0 0]
```
结果居然是零矩阵！
**为什么？** 这道反例的本质是：B 的第一列 [0,1]ᵀ 刚好"对准"了 A 完全忽略的方向——A 的第1行 [1,0] 只能"看到"列向量的第1个分量。B 的列的第1个分量都是 0，所以被 A 的第1行"看"到的一律是 0；而 A 的第2行全是 0，看到谁都是 0。整张 B 表里的信息，全被 A "忽略"了。
> 大白话：把 A 想象成一个"滤网"——第1行只有一个洞在第1个位置，其他位置堵死了；第2行一个洞都没有。把 B 的列向量倒进去：B 的列在第1个位置上恰好都是 0（等于"什么也没倒进去"），滤网底下自然什么也流不出来。滤网不是空的（A≠0），倒进去的东西也不是空的（B≠0），但因为洞的位置和东西的位置完全错开——结果就是零。
**关键结论**：两个非零矩阵相乘得零，是因为 A 的"有效观测方向"和 B 的"非零数据方向"恰好正交错开。几何上叫"A的零空间包含了B的列空间"。
---
**第5步：简要推导规则4和规则5**
**规则4（|AB| = |A|·|B|）**：这是第1章行列式部分已严格证明的核心性质。简言之，每个初等行变换对应的初等矩阵行列式可以逐个验证（交换=-1、倍乘=k、倍加=1），而行列式的乘法性质保证了|AB|=|A||B|。这里不再重复第1章的完整证明。
> 大白话：就像体检先查身高、再查体重——两项指标各自的意义，乘在一起就是"综合指标"。行列式的乘积性质就是这种"各自独立、乘起来也行"的规律——在矩阵里它依然是成立的，算是反常规则中唯一一条"不反常"的。
**规则5（(AB)ᵀ = BᵀAᵀ）**：从转置定义出发，(AB)ᵀ 的第 i 行第 j 列 = AB 的第 j 行第 i 列 = A的第j行 · B的第i列。而 BᵀAᵀ 的第 i 行第 j 列 = Bᵀ的第i行 · Aᵀ的第j列 = B的第i列ᵀ · A的第j行ᵀ = A的第j行 · B的第i列。两者逐元素相等。顺序反转的关键在于：转置把行和列的角色互换了，所以要倒序才能让配对的"方向"保持一致。
> 大白话：就像穿衣服——先穿内衣（A）再穿外套（B），脱的时候必须反过来：先脱外套（Bᵀ）再脱内衣（Aᵀ）。（和"穿袜子穿鞋"那个比喻是一回事：操作顺序要反过来。）转置就是"倒过来看"——既然看的顺序反了，里面的先后也得跟着反。
##### ④ 📝 推导复盘
五条反常规则中，前三条之所以"反常"，根源都指向同一件事：**矩阵乘法不是元素对元素的"直觉乘法"，而是"行与列的定向配对"**。这个不对称性导致了：
- **交换律不成立**：因为配对的"方向"不对称（A的行配B的列 ≠ B的行配A的列）
- **消去律不成立**：因为 A 可能吞掉 B 和 C 的差异（信息丢失）
- **非零相乘得零**：因为 A 的"观测窗口"可能完美错开 B 的"数据分布"
后两条（行列式乘积、转置倒序）反而是有严谨规律的运算律，不算"反常"，只是和普通数字习惯不同。
**考试最实用的点**：看到 (A+B)²、看到"消去"、看到"AB=0"——三条警戒线立刻拉响，先用反例验证，永远不要默认它们像普通数字一样行事。
##### ⑤ ⚠️ 易错边界
| 误区 | 正确理解 |
|------|----------|
| "AB≠BA 说明矩阵乘法不严谨" | 恰恰相反——正是"前行乘后列"这套精确定义，才决定了 AB 和 BA 必然不同。不是 bug，是 feature |
| "AB=AC 且 A≠0，则 B=C" | **绝对不行！** 消去律要求 A **可逆**（|A|≠0），不只是"A≠0"。反例：A=$\begin{bmatrix} 1 & 0 \\ 0 & 0 \end{bmatrix}$ 非零但不可逆 |
| "两个矩阵都不为零矩阵，乘积一定不为零" | **大错。** 反例见上面第4步，"滤网"和"水流"错位就能产零 |
| "因为 |AB|=|A||B|，所以 |A+B|=|A|+|B|" | 行列式的加法**没有分配律**。|AB|=|A||B|只对乘法成立。|A+B|必须先把A+B算出来再取行列式 |
| "矩阵乘法的不交换意味着运算不可靠" | 恰恰相反——不交换意味着顺序重要，这说明它有**方向性**。后面的逆矩阵求法（左乘 vs 右乘）、初等变换（左乘=行、右乘=列）、矩阵方程——全都在利用这个"方向性" |
##### ⑥ 🔗 链条位置
```
本章2.4: 矩阵乘法定义
（前行乘后列）
↓
本定理: 五条反常规则完整推导 → 2.5.5: 特殊乘法模式
（为什么反常+反例） （利用"反常性"找捷径）
↓
├─→ 2.10: 逆矩阵（消去律需要可逆条件）
├─→ 2.12: 初等变换法求逆（不交换决定左乘vs右乘）
├─→ 2.17: 初等矩阵（"行左列右"的根源）
└─→ 2.13: 矩阵方程（方向性决定解题步骤）
```
这五条反常规则不是孤立的"怪事"——它们正是后续所有操作（求逆、初等变换、矩阵方程）必须注意"顺序和方向"的底层原因。整章后续内容都在利用这个"不对称性"做文章。
---
### 2.5.5 补充：矩阵乘法常见特殊模式
> 🔔 **课前激活**（动笔写30秒再往下读）
>
> 乘法口诀表你背过——3×7=21不用每次掰手指算，因为已经记住了。矩阵乘法也有很多"口诀"——比如对角线上有数字、其他位置都是0的那种矩阵，乘起来特别简单。你能想象两个"只有对角线上有数"的矩阵相乘会长什么样吗？这种"看一眼就知道答案"的模式，考试里能帮你省好几分钟。
> #### 先算两道"特殊的"乘法，看看你能不能一眼看出规律
>
> 看到这题，先别慌——它不考你"行乘列"的本事，而是考你**观察**。
>
> **难在哪？** 如果老老实实按"前行乘后列"硬算，当然也能算出来。但你有没有想过：有些矩阵长得特别"整齐"，乘起来会不会有捷径？
>
> 动手试：① $\begin{bmatrix} 2 & 0 \\ 0 & 3 \end{bmatrix}$ × $\begin{bmatrix} 4 & 0 \\ 0 & 5 \end{bmatrix}$；② $\begin{bmatrix} 2 & 0 \\ 0 & 3 \end{bmatrix}$²。
>
> ① 按"前行乘后列"：第1行 [2,0] 配第1列 [4,0]ᵀ = 2×4+0×0 = 8；第1行配第2列 [0,5]ᵀ = 2×0+0×5 = 0；第2行 [0,3] 配第1列 = 0；第2行配第2列 = 3×5 = 15。所以结果是 $\begin{bmatrix} 8 & 0 \\ 0 & 15 \end{bmatrix}$。
>
> 🔍 **回头看看**：乘出来的结果，居然还是"只有对角线有数"的形状——而且对角线上正好是 2×4、3×5。**对角矩阵相乘 = 对角线上的数一一配对相乘**，其他位置永远保持零。② 就更省了：$\begin{bmatrix} 2 & 0 \\ 0 & 3 \end{bmatrix}$² = $\begin{bmatrix} 2² & 0 \\ 0 & 3² \end{bmatrix}$ = $\begin{bmatrix} 4 & 0 \\ 0 & 9 \end{bmatrix}$——对角矩阵的幂，就是对角线各自乘方。
在大量做题之后，你会发现某些特殊的矩阵乘法模式反复出现。记住这些模式能让你少算很多冤枉路。
#### 模式1：对角矩阵之间的乘法
> 💡 对角矩阵 = 只有主对角线上有数字、其他位置全是 0 的方阵，正式定义在 2.8 节。先看下面这个形状例子即可。
**💬 比喻**：两个"对角线军团"相遇——各走各的，互不干扰。第一个对角矩阵第 1 个"队长"只和第二个对角矩阵第 1 个"队长"打交道。
**📖 规则**：两个对角矩阵相乘，结果还是对角矩阵，对角线上各元素分别相乘。
```
[a 0] × [c 0] = [ac 0 ]
[0 b] [0 d] [ 0 bd]
```
**推广到幂**：对角矩阵的 n 次方 = 对角线各元素分别 n 次方。
#### 模式2：矩阵乘以单位矩阵
> 💡 单位矩阵 = 主对角线全是 1、其余全是 0 的方阵，正式定义也在 2.8 节。先记住"乘了等于没乘"这个效果即可。
任何矩阵（维度匹配时）乘以单位矩阵等于它自己：AE = A，EA = A。
但这两种乘法的结果**维度可能不同**！如果 A 是 m×n：
- A × Eₙ（n 阶单位阵）= A（结果 m×n）
- Eₘ × A（m 阶单位阵）= A（结果 m×n）
**💬 比喻**：从左边乘 i 阶单位矩阵，相当于给这个矩阵"左边"配上 i×i 的"护身符"，从右边乘是配上 n×n 的"护身符"。
#### 模式3：矩阵乘以对角矩阵
- **左乘**对角矩阵：每行被对角线上对应位置的数缩放。
- **右乘**对角矩阵：每列被对角线上对应位置的数缩放。
这个性质极其好用——想做行缩放就左乘对角矩阵，想做列缩放就右乘对角矩阵。
#### 模式4：秩为 1 的矩阵的幂
> 🔮 **第一遍可跳过**：这个模式用到 2.15 节的"秩"和第 3 章的向量。第一遍可以先跳过整条，学完第 3 章再回来读。
如果 A 的秩为 1（秩≈这个矩阵里真正"独立"的行数，2.15 节会细讲；这里先记住"秩为 1"大致就是"所有行都成比例"的意思），那么 A 可以写成列向量 × 行向量的形式：A = uvᵀ（u 是 m×1 列向量，vᵀ 是 1×n 行向量）。
此时 A² = u(vᵀu)vᵀ = (vᵀu) × A。其中 vᵀu 是一个数（v 和 u 的内积），所以 A² 是 A 的倍数！
**💬 比喻**：秩为 1 的矩阵就像一个"单曲循环"——做一次是它，做两次还是它的倍数，永远跳不出这个模式。
**📝 例子**：
```
A = [1] × [2 3] = [2 3]
[2] [4 6]
A² = $\begin{bmatrix} 2 & 3 \\ 4 & 6 \end{bmatrix}$ × $\begin{bmatrix} 2 & 3 \\ 4 & 6 \end{bmatrix}$ = $\begin{bmatrix} 2\times 2+3\times 4 & 2\times 3+3\times 6 \\ 4\times 2+6\times 4 & 4\times 3+6\times 6 \end{bmatrix}$
= $\begin{bmatrix} 16 & 24 \\ 32 & 48 \end{bmatrix}$ = 8 × $\begin{bmatrix} 2 & 3 \\ 4 & 6 \end{bmatrix}$ = 8A
其中 vᵀu = [2 3] × $\begin{bmatrix} 1 \\ 2 \end{bmatrix}$ = 2+6 = 8，确实 A² = 8A。
```
> ✍️ **立刻练一道**（挑最好用的一种模式）：D = $\begin{bmatrix} 2 & 0 \\ 0 & 4 \end{bmatrix}$，直接写出 D³，不用做任何乘法竖式。
>
>
📖 点击看答案
>
> 对角矩阵的幂 = 对角线各自乘方：D³ = $\begin{bmatrix} 2³ & 0 \\ 0 & 4³ \end{bmatrix}$ = $\begin{bmatrix} 8 & 0 \\ 0 & 64 \end{bmatrix}$。
>
>
> ⭐⭐ 高频——这些特殊模式可以帮你秒杀很多选择题和填空题
---
### 2.6 矩阵的转置 —— "把表格横过来看"
> 🔔 **课前激活**（动笔写30秒再往下读）
>
> 你在手机上拍了一张表格照片，想给朋友看——但照片是横着的，你需要把手机旋转90度，原来的"行"就变成了"列"。矩阵里也有一个一模一样的操作——就叫"转置"。但问题是：如果你是先横着拍然后放大（先转置再数乘），跟先放大再横着拍（先数乘再转置），结果一样吗？如果是两个矩阵先乘起来再"旋转"，跟先分别"旋转"再交换顺序乘，结果呢？
**💬 生活比喻**：
你把一张表格旋转 90 度——原来的行变成了列，原来的列变成了行。就像把一张横放的纸竖过来看。
> #### 先动一次手：把这张表"横过来"看看
>
> 看到这题，先别慌。你有 A = $\begin{bmatrix} 1 & 4 \\ 2 & 5 \\ 3 & 6 \end{bmatrix}$（3 行 2 列）。
>
> **难在哪？** 你说"行变列、列变行"——那到底哪一行变哪一列？变了之后是几行几列？
>
> 动手试：把 A 的**第 1 行 [1,4]** 竖起来，变成新表的**第 1 列**；把**第 2 行 [2,5]** 竖起来，变成**第 2 列**；把**第 3 行 [3,6]** 竖起来，变成**第 3 列**：
> ```
> Aᵀ = [1 2 3]
> [4 5 6]
> ```
> A 是 3×2，转置后 Aᵀ 是 2×3——**行数、列数正好对调**。
>
> 🔍 **回头看看**：原来"转置"就是把"第 i 行"变成"第 i 列"——每行竖起来放，原样不动数字。所以转置两次，第 i 行先变第 i 列、再变回第 i 行，(Aᵀ)ᵀ = A。
**📖 正式定义**：
把 m×n 矩阵 A 的行和列互换，得到的 n×m 矩阵称为 A 的转置，记作 Aᵀ。
```
[1 4]
A = [2 5] → Aᵀ = [1 2 3]
[3 6] [4 5 6]
```
原来 A 是 3×2，转置后 Aᵀ 是 2×3。
**📋 运算律**（注意顺序！）：
- (Aᵀ)ᵀ = A（转两次转回来）
- (A + B)ᵀ = Aᵀ + Bᵀ（和的转置 = 转置的和）
- (kA)ᵀ = kAᵀ（数乘的转置 = 数乘转置）
- (AB)ᵀ = **BᵀAᵀ**（乘积的转置 = 倒序转置的乘积，最容易错！）
- |Aᵀ| = |A|（方阵转置，行列式不变，第1章性质1）
> ⭐⭐ 高频考点
> ✍️ **立刻练一道**：A = $\begin{bmatrix} 1 & 2 \\ 3 & 4 \end{bmatrix}$，B = $\begin{bmatrix} 5 & 6 \\ 7 & 8 \end{bmatrix}$。算 (AB)ᵀ，再算 Aᵀ 和 Bᵀ，验证 (AB)ᵀ = BᵀAᵀ 是否成立。
>
>
📖 点击看答案
>
> AB = $\begin{bmatrix} 1 & 2 \\ 3 & 4 \end{bmatrix}$×$\begin{bmatrix} 5 & 6 \\ 7 & 8 \end{bmatrix}$ = $\begin{bmatrix} 19 & 22 \\ 43 & 50 \end{bmatrix}$，(AB)ᵀ = $\begin{bmatrix} 19 & 43 \\ 22 & 50 \end{bmatrix}$。Aᵀ = $\begin{bmatrix} 1 & 3 \\ 2 & 4 \end{bmatrix}$，Bᵀ = $\begin{bmatrix} 5 & 7 \\ 6 & 8 \end{bmatrix}$，BᵀAᵀ = $\begin{bmatrix} 5\times 1+7\times 2 & 5\times 3+7\times 4 \\ 6\times 1+8\times 2 & 6\times 3+8\times 4 \end{bmatrix}$ = $\begin{bmatrix} 19 & 43 \\ 22 & 50 \end{bmatrix}$。(AB)ᵀ = BᵀAᵀ ✓——转置要倒序（这和题2-18(2)验证的是同一条规律）。
>
>
> 🛑 **停下来想一想**：把一张表格"横过来看"（行变列）做两次会怎样？如果是"先把两张表相乘、再横过来"，跟"先各自横过来、再相乘"，顺序要不要跟着变？
> 💡 **阅读思考题**
>
> **❶ 理解检测** — 用"手机横屏"的比喻，说清楚"转置"到底把矩阵的什么和什么做了互换。
>
> **❷ 深度思考** — 一张"学生×科目"的成绩表（行是学生、列是科目），转置之后变成什么样的表？在什么实际场景里，你会真的需要把它"横过来"看？
>
> **❸ 考试演练** — （单选题）设 A 为 2×3 矩阵，B 为 3×2 矩阵，则 (AB)ᵀ 等于：
> A. AᵀBᵀ B. BᵀAᵀ C. AB D. BA
📖 点击查看参考答案
**🛑 停下来想一想**：转两次转回原样，(Aᵀ)ᵀ=A。而"乘积再转置"必须倒序：(AB)ᵀ=BᵀAᵀ，就像脱衣服要反着穿的顺序来。
**❶** 转置就是把矩阵"沿左上到右下的对角线翻个个儿"——原来的第 i 行变成第 i 列，原来的第 j 列变成第 j 行。行和列的角色对调了。一个 m×n 的矩阵转置后变成 n×m。
**❷** "学生×科目"转置后变成"科目×学科"——即行是科目、列是学生。当你想按科目横向比较（比如"数学这门课全班的分数排一行看"）而不是按学生纵向看时，就会需要转置。
**❸** 答案：B。(AB)ᵀ=BᵀAᵀ，顺序必须反转。
验证维度：BᵀAᵀ=（2×3）(3×2)=2×2，对得上；写成 AᵀBᵀ=（3×2）(2×3) 规则就错——即便硬乘，结果是 3×3，和 (AB)ᵀ 的 2×2 形状也对不上。
**考试易错提醒**：这是全章最高频的陷阱之一——"乘积的转置要倒序"。写成 AᵀBᵀ 直接算错，用维度一验就能发现不对。
---
### 2.7 方阵 —— "正方形的数字表格"
> 🔔 **课前激活**（动笔写30秒再往下读）
>
> 你有一块正方形的棋盘（8行×8列），还有一张长方形的课程表（5行×7列）。用正方形的表格，行数和列数相等，很多操作变得"对等"了——比如你可以同时从行和列两个方向去分析它。长方形的表格就没有这种对称性。想一想：日常生活中还有哪些表格是"正方形"的？为什么正方形在矩阵里这么特殊？
**💬 生活比喻**：
前面说的表格可以是长方形的（3行4列）。但如果行数和列数一样，就像一张正方形的棋盘——这就是方阵。
**📖 正式定义**：
行数 = 列数 = n 的矩阵称为 n 阶方阵（或 n 阶矩阵）。
**📝 例子**：
```
[1 2 3]
[4 5 6] 是 3 阶方阵
[7 8 9]
```
**🔑 为什么方阵特殊**：只有方阵才能算行列式，才能讨论"有没有逆矩阵"。长方形矩阵没有行列式，也没有逆矩阵。
**方阵的重要概念——主对角线**：
从左上角到右下角的那条斜线叫"主对角线"。比如上面例子中，主对角线上的元素是 1, 5, 9。
> 🔍 **回头看看**：方阵的特殊，不在于"长得好看"，而在于**行数和列数相等，才有"对等"可言**——能算行列式（第1章）、能求逆（2.10 节），都建立在"正方形"这个前提上。长方形的表（比如 3×4）只能做加减乘除，永远谈不上"反转"。
>
> ✍️ **立刻练一道**：下面哪些是方阵？指出它们是几阶的：① $\begin{bmatrix} 1 & 2 \\ 3 & 4 \end{bmatrix}$ ② $\begin{bmatrix} 1 & 2 & 3 \\ 4 & 5 & 6 \end{bmatrix}$ ③ [5] ④ $\begin{bmatrix} 1 & 0 & 0 \\ 0 & 1 & 0 \\ 0 & 0 & 1 \end{bmatrix}$。
>
>
📖 点击看答案
>
> ① 是 2 阶方阵；② 是 2 行 3 列，不是方阵；③ 是 1 阶方阵（只有一个数）；④ 是 3 阶方阵（而且就是 2.8.2 节的主角——单位矩阵）。
>
>
> ⭐ 基础概念
---
### 2.8 几种特殊的方阵（认识这些"熟面孔"）
> 🔔 **课前激活**（动笔写30秒再往下读）
>
> 你在商场里见过会员卡的电子屏——上面显示你的名字和积分，但其他顾客的信息你看不到。这张"只显示跟你相关信息"的表格，跟数学里的"对角矩阵"很像——只有一条斜线上的位置有数字，其他全是空的。你能想到几种"大部分位置空白、只有少数位置有数字"的场景吗？
> #### 先看两个"特殊的长相"，猜猜它们有什么本事
>
> 看到这题，先别慌。你面前有两张方阵：
> ```
> ① [2 0] ② [1 0]
> [0 3] [0 1]
> ```
> **难在哪？** 普通矩阵相乘要一行一行硬算，但这两张表"大部分地方是空的"——空的格子乘起来永远得 0。你说，这种"只有斜线上有数"的矩阵，做乘法会不会特别省事？乘出来的结果还是"只有斜线上有数"吗？
>
> 动手试：① 和它自己相乘，即 $\begin{bmatrix} 2 & 0 \\ 0 & 3 \end{bmatrix}$²。按"前行乘后列"：(1,1) = 2×2+0×0 = 4，(1,2) = 2×0+0×3 = 0，(2,1) = 0，(2,2) = 3×3 = 9。结果 $\begin{bmatrix} 4 & 0 \\ 0 & 9 \end{bmatrix}$——**还是斜线形状，而且斜线上是 2²、3²**。这就是 2.5.5 节的"对角矩阵"模式：对角线上各自乘方，其余全是 0。
>
> 至于 ② $\begin{bmatrix} 1 & 0 \\ 0 & 1 \end{bmatrix}$——你拿任意矩阵 B = $\begin{bmatrix} a & b \\ c & d \end{bmatrix}$ 去乘它试试：B × $\begin{bmatrix} 1 & 0 \\ 0 & 1 \end{bmatrix}$ = $\begin{bmatrix} a & b \\ c & d \end{bmatrix}$？按"前行乘后列"，(1,1) = a×1+b×0 = a，(1,2) = a×0+b×1 = b，……乘完居然**原样不变**！这张"乘了等于没乘"的表，就是矩阵世界的"1"。
#### 2.8.1 对角矩阵 —— "只有对角线有人，其他位置全空"
**💬 比喻**：就像一栋楼——只有电梯井（对角线）每个楼层有人住，其他房间全是空的。
**📖 定义**：主对角线以外的元素全为 0 的方阵。
```
[a 0 0]
A = [0 b 0]
[0 0 c]
```
**🔑 好处**：对角矩阵做乘法特别简单——两个对角矩阵相乘，就是对角线上的数分别相乘。对角矩阵的幂次方也是对角线各数分别乘方。
**📝 例子**：
```
[2 0]² [4 0]
[0 3] = [0 9]
```
#### 2.8.2 单位矩阵 —— "数字世界里的 1"
**💬 比喻**：在普通数字里，任何数乘以 1 还是它自己（5×1=5）。在矩阵世界里，**单位矩阵就是那个"1"**。任何矩阵乘以单位矩阵，还是它自己。
**📖 定义**：主对角线全是 1，其余全是 0 的方阵。记作 E（或 I）。
```
[1 0 0]
E = [0 1 0]
[0 0 1]
```
**🔑 核心性质**：对任意矩阵 A（只要维度能对上），AE = A，EA = A。
就像数字 1 一样"人畜无害"——乘了等于没乘。
> ⭐⭐⭐ 核心——单位矩阵在逆矩阵、初等变换中无处不在
#### 2.8.3 数量矩阵 —— "单位矩阵的放大版"
**💬 比喻**：如果把单位矩阵整体乘以一个数 k，就像把"数字 1"放大成"数字 k"。任何矩阵乘以它，等于把自己整体放大 k 倍。
**📖 定义**：kE（对角线上全是 k 的对角矩阵）。
**📝 例子**：
```
[3 0]
3E = [0 3]
```
对任意 2×2 矩阵 A，A × (3E) = 3A（把 A 的每个元素放大 3 倍）。
#### 2.8.4 上三角矩阵与下三角矩阵
**💬 比喻**：上三角矩阵就像一座"梯田"——对角线以下的田坎全是平的（零），对角线以上的梯田可能有庄稼（非零数）。
**📖 定义**：
- **上三角矩阵**：主对角线以下的元素全为 0
- **下三角矩阵**：主对角线以上的元素全为 0
```
上三角： 下三角：
[1 2 3] [1 0 0]
[0 4 5] [2 3 0]
[0 0 6] [4 5 6]
```
两个上三角矩阵相乘，还是上三角。对角线上直接对应相乘即可。
> ⭐⭐ 高频考点
> ✍️ **立刻练一道**（检验"熟面孔"认不认识）：D = $\begin{bmatrix} 1 & 0 & 0 \\ 0 & 2 & 0 \\ 0 & 0 & 3 \end{bmatrix}$ 的逆矩阵是什么？（逆矩阵定义见 2.10，这里只需知道：对角矩阵的逆就是把对角元取倒数。）不需要算伴随矩阵——想想对角矩阵求逆有没有捷径。
>
>
📖 点击看答案
>
> 对角矩阵求逆 = 对角线各元素取倒数：D⁻¹ = $\begin{bmatrix} 1 & 0 & 0 \\ 0 & 1/2 & 0 \\ 0 & 0 & 1/3 \end{bmatrix}$。验证：D×D⁻¹ = $\begin{bmatrix} 1\times 1 & 0 & 0 \\ 0 & 2\times (1/2) & 0 \\ 0 & 0 & 3\times (1/3) \end{bmatrix}$ = E ✓（这就是题2-3用到的捷径）。
>
>
> 🛑 **停下来想一想**：为什么说单位矩阵是矩阵世界里的"1"？一个矩阵乘以单位矩阵，凭什么等于它自己？单位矩阵和"数量矩阵 kE"又差在哪？
> 💡 **阅读思考题**
>
> **❶ 理解检测** — 合上书，说出对角矩阵、单位矩阵、数量矩阵、上（下）三角矩阵各自"长什么样"——哪些位置必须是 0？
>
> **❷ 深度思考** — 给一个班每人的各科成绩按不同权重加权（语文×1.2、数学×1.5……），这个"加权"操作用哪种特殊方阵表示最省事？如果所有科目都乘同一个系数呢？
>
> **❸ 考试演练** — （单选题）设 A 为 3 阶矩阵，E 为 3 阶单位矩阵，则 AE 等于：
> A. E B. A C. 3A D. 零矩阵
📖 点击查看参考答案
**🛑 停下来想一想**：单位矩阵对角线全是 1、其余全 0。它像数字 1——任何数乘 1 还是自己，任何矩阵乘 E 还是自己（AE=EA=A）。数量矩阵 kE 是"放大版的 1"，乘上去会把矩阵整体放大 k 倍。
**❶** 对角矩阵：主对角线以外全为 0。单位矩阵：对角线全为 1、其余为 0。数量矩阵：对角线全为同一个数 k、其余为 0（即 kE）。上三角矩阵：主对角线**以下**全为 0；下三角矩阵：主对角线**以上**全为 0。
**❷** 各科不同权重 → 用**对角矩阵** diag(1.2, 1.5, ...)（diag 表示对角矩阵）右乘成绩表（右乘对角阵 = 每列按对角元素缩放），一步到位。所有科目乘同一个系数 → 用**数量矩阵** kE，相当于把整张表乘以 k。
**❸** 答案：B。单位矩阵像数字 1，AE=EA=A（维度匹配时），乘了等于没乘。
**考试易错提醒**：别把单位矩阵 E 和数量矩阵 kE 混了——kE 会把 A 整体放大 k 倍（A·kE=kA），选项 C 就是给这个混淆挖的坑；也别和零矩阵搞混。三种"对角线家族"的效果完全不同。
---
### 2.9 对称矩阵与反对称矩阵
> 🔔 **课前激活**（动笔写30秒再往下读）
>
> 你照镜子的时候，左手在镜子里的位置对应的是右手。如果把镜子看成"主对角线"，镜子两边是对称的——左边有什么，右边对应位置就有什么。现在换个玩法：你拿出一张纸对折，左边的数字写到右边要变号（正变负、负变正）。对折处（对角线）上的数字怎么办？它只能是什么数才能做到"自己等于自己的相反数"？
> #### 先照照镜子：这张表沿着"主对角线"对折，两边能重合吗？
>
> 看到这题，先别慌。你有一张表：
> ```
> [1 2 3]
> [2 4 5]
> [3 5 6]
> ```
> **难在哪？** 什么叫"对称"？你希望沿着主对角线（1、4、6 那条斜线）对折，两边的数字完全重合。那就要求：(1,2) 格等于 (2,1) 格，(1,3) 格等于 (3,1) 格，(2,3) 格等于 (3,2) 格——**第 i 行第 j 列的数，必须等于第 j 行第 i 列的数**。
>
> 动手对一对：2 和 2 ✓、3 和 3 ✓、5 和 5 ✓——完全重合！
>
> 🔍 **回头看看**：这张表其实早就见过——它和 2.6 节"转置"的关系是：**转置后和原来一模一样**，Aᵀ = A，也就是 aᵢⱼ = aⱼᵢ。凡是满足这一条的方阵，就叫**对称矩阵**。
#### 2.9.1 对称矩阵 —— "沿对角线对折，两边完全重合"
**💬 比喻**：就像一只蝴蝶的翅膀——左右对称，以身体（主对角线）为轴，左边和右边完全一样。或者说像一张对折的纸，打开后两边的印子一模一样。
**📖 定义**：满足 Aᵀ = A 的方阵（转置后等于自己）。
也就是说：aᵢⱼ = aⱼᵢ（第 i 行第 j 列的数 = 第 j 行第 i 列的数）。
**📝 例子**：
```
[1 2 3]
[2 4 5] 关于主对角线对称！
[3 5 6]
```
**🔑 性质**：
- 对称矩阵 + 对称矩阵 = 对称矩阵
- 数乘对称矩阵还是对称矩阵
- 两个对称矩阵相乘 **不一定** 是对称矩阵！（除非它们可交换 AB=BA）
- 对称矩阵的行列式就是一个数
#### 2.9.2 反对称矩阵 —— "对折后两边互为相反数"
**💬 比喻**：还是那张对折的纸——但左边的数字写到右边会**变号**（正变负、负变正）。对角线上的数只能是自己变号后还是自己的数——所以只能是 0。
**📖 定义**：满足 Aᵀ = -A 的方阵（转置后等于自己的负数）。
也就是说：aᵢⱼ = -aⱼᵢ，对角线上的元素 aᵢᵢ = -aᵢᵢ → aᵢᵢ = 0。
**📝 例子**：
```
[ 0 2 -3]
[-2 0 4]
[ 3 -4 0]
```
对角线全是 0，上下对称位置互为相反数。
**🔑 性质**：任意方阵 A 都可以拆成一个对称矩阵和一个反对称矩阵的和：
```
A = (A + Aᵀ)/2 + (A - Aᵀ)/2
↑ 对称部分 ↑ 反对称部分
```
> ⭐⭐ 高频考点——选择题经常考对称和反对称的判定
> ✍️ **立刻练一道**（判定三种身份）：下面哪张表是对称矩阵？哪张是反对称矩阵？哪张两者都不是？
> A = $\begin{bmatrix} 1 & 3 \\ 3 & 2 \end{bmatrix}$ B = $\begin{bmatrix} 0 & -2 \\ 2 & 0 \end{bmatrix}$ C = $\begin{bmatrix} 1 & 2 \\ 4 & 3 \end{bmatrix}$
>
>
📖 点击看答案
>
> A：转置后 $\begin{bmatrix} 1 & 3 \\ 3 & 2 \end{bmatrix}$ = 自己 → **对称**；B：转置 $\begin{bmatrix} 0 & 2 \\ -2 & 0 \end{bmatrix}$ = -B → **反对称**（且对角线全为 0）；C：转置 $\begin{bmatrix} 1 & 4 \\ 2 & 3 \end{bmatrix}$，既不等于自己也不等于负自己 → **两者都不是**。判定口诀：先看对角线上有没有非零数——反对称矩阵的对角线必须是 0（这就是题2-21）。
>
>
---
#### 🎯 解题方法
#### 题2-12 ⭐⭐ 中等 | 综合运用（对称+反对称分解）
将矩阵 A = $\begin{bmatrix} 1 & 3 \\ 5 & 7 \end{bmatrix}$ 分解为一个对称矩阵和一个反对称矩阵的和。
📖 点击查看答案
公式：A = (A + Aᵀ)/2 + (A - Aᵀ)/2
↑ 对称部分 ↑ 反对称部分
Aᵀ = $\begin{bmatrix} 1 & 5 \\ 3 & 7 \end{bmatrix}$
对称部分 = (A + Aᵀ)/2 = ($\begin{bmatrix} 2 & 8 \\ 8 & 14 \end{bmatrix}$)/2 = $\begin{bmatrix} 1 & 4 \\ 4 & 7 \end{bmatrix}$（对称 ✓）
反对称部分 = (A - Aᵀ)/2 = ($\begin{bmatrix} 0 & -2 \\ 2 & 0 \end{bmatrix}$)/2 = $\begin{bmatrix} 0 & -1 \\ 1 & 0 \end{bmatrix}$（对角线为 0，对称位置互为相反数 ✓）
验证：$\begin{bmatrix} 1 & 4 \\ 4 & 7 \end{bmatrix}$ + $\begin{bmatrix} 0 & -1 \\ 1 & 0 \end{bmatrix}$ = $\begin{bmatrix} 1 & 3 \\ 5 & 7 \end{bmatrix}$ = A ✓
✅ 答案：A = $\begin{bmatrix} 1 & 4 \\ 4 & 7 \end{bmatrix}$（对称）+ $\begin{bmatrix} 0 & -1 \\ 1 & 0 \end{bmatrix}$（反对称）
> 本题使用了对称/反对称矩阵的分解公式。这个分解是唯一的——任何一个方阵都可以唯一地拆成一个对称和一个反对称的和。考试中这种分解常出现在证明题和选择题中。
---
### 题型A：矩阵的基本运算（乘法为中心）
> 🔔 **课前激活**（动笔写30秒再往下读）
>
> 给你两张表格：一张是每种商品的"单价和库存"，一张是每家分店的"订购数"。你要算出每家分店"分别要付多少钱"——这时你会用到加减乘三种基本运算。但矩阵的加、乘各有自己的规则——尤其是乘法，两个表格能不能乘、乘出来是什么形状，你拿到题目后第一步会先检查什么？
> #### 先算一道综合题，把三种运算串起来
>
> 看到这题，先别慌。已知 A = $\begin{bmatrix} 1 & 2 \\ 3 & 4 \end{bmatrix}$，B = $\begin{bmatrix} 1 & 0 \\ 2 & 1 \end{bmatrix}$，要你求 **AB** 和 **A²**。
>
> **难在哪？** 计算本身不复杂，麻烦的是"先做什么、再做什么"的次序——是先检查维度、还是直接上手乘？结果出来之后又凭什么确信是对的？
>
> 动手试：**先写维度**——AB 是 (2×2)(2×2)，中间的 2=2 对上，结果是 2×2 ✓；A² = A·A，同样 2×2。**再逐格算**：AB 的 (1,1) = 1×1+2×2 = 5，(1,2) = 1×0+2×1 = 2，……全部算完得到 AB = $\begin{bmatrix} 5 & 2 \\ 11 & 4 \end{bmatrix}$；A² 的 (1,1) = 1×1+2×3 = 7，……得到 A² = $\begin{bmatrix} 7 & 10 \\ 15 & 22 \end{bmatrix}$。**最后验算**：结果的形状是不是 2×2？是，✓。
>
> 🔍 **回头看看**：这道题把所有基本运算串成了一条流水线——**先检查维度（能不能算）→ 再逐格计算（怎么算）→ 最后验算形状（算对没有）**。这就是题型A的三步。
**🎯 识别特征**：给出具体矩阵，要求计算 A+B、kA、AB、Aᵀ、A² 等。
**📋 解题步骤**：
```
第1步：检查维度 → 加法要求同型，乘法要求 A列数 = B行数
第2步：逐元素计算 → 乘法是"前行×后列"逐对相乘再相加
第3步：验算 → 结果的维度是否正确？（m×s × s×n = m×n）
```
**🔑 核心技巧**：
- 求 A² 时，先检查 A 是不是特殊矩阵（对角矩阵、秩为 1 的矩阵等），可能有捷径
- 求 Aⁿ 时，先算 A²、A³ 找规律（可能发现 A² = 0，或 A² = A，或 A² = kE）
- 如果要求的是高次幂 Aⁿ，尝试把 A 拆成特殊矩阵的和（如 E + B，其中 B² = 0）
**⚠️ 最容易错的地方**：
- 忘记检查维度就直接乘——这是最常见的低级错误
- 矩阵乘法中把"乘"和"加"搞混
- 把 AB 当成对应元素相乘（那是"哈达玛积"，不是矩阵乘法！）
**📝 典型例题**：
已知 A = $\begin{bmatrix} 1 & 2 \\ 3 & 4 \end{bmatrix}$，B = $\begin{bmatrix} 1 & 0 \\ 2 & 1 \end{bmatrix}$，求 AB 和 A²。
📖 点击展开解答
AB = $\begin{bmatrix} 1\times 1+2\times 2 & 1\times 0+2\times 1 \\ 3\times 1+4\times 2 & 3\times 0+4\times 1 \end{bmatrix}$ = $\begin{bmatrix} 5 & 2 \\ 11 & 4 \end{bmatrix}$
A² = $\begin{bmatrix} 1\times 1+2\times 3 & 1\times 2+2\times 4 \\ 3\times 1+4\times 3 & 3\times 2+4\times 4 \end{bmatrix}$ = $\begin{bmatrix} 7 & 10 \\ 15 & 22 \end{bmatrix}$
> 本题使用模板A：矩阵的基本运算。
> ✍️ **立刻练一道**（用刚悟出的"三步流水线"）：A = $\begin{bmatrix} 1 & 2 \\ 3 & 4 \end{bmatrix}$，B = $\begin{bmatrix} 2 & 0 \\ 1 & 3 \end{bmatrix}$。(1) 算 AB；(2) 算 BA；(3) 验证 AB 是否等于 BA。
>
>
📖 点击看答案
>
> (1) AB = $\begin{bmatrix} 1\times 2+2\times 1 & 1\times 0+2\times 3 \\ 3\times 2+4\times 1 & 3\times 0+4\times 3 \end{bmatrix}$ = $\begin{bmatrix} 4 & 6 \\ 10 & 12 \end{bmatrix}$。(2) BA = $\begin{bmatrix} 2\times 1+0\times 3 & 2\times 2+0\times 4 \\ 1\times 1+3\times 3 & 1\times 2+3\times 4 \end{bmatrix}$ = $\begin{bmatrix} 2 & 4 \\ 10 & 14 \end{bmatrix}$。(3) AB ≠ BA——再一次验证了矩阵乘法不满足交换律（这正是题2-1的第(4)问）。
>
>
#### 配套练习
#### 题2-1 ⭐ 基础 | 用模板A（矩阵乘法）
已知：
```
A = [1 2] B = [2 0]
[3 4] [1 3]
```
求：(1) AB (2) BA (3) A² (4) 验证 AB 是否等于 BA
📖 点击查看答案
**(1) AB**：
```
[1×2+2×1 1×0+2×3] = [2+2 0+6] = [4 6]
[3×2+4×1 3×0+4×3] [6+4 0+12] [10 12]
```
**(2) BA**：
```
[2×1+0×3 2×2+0×4] = [2 4]
[1×1+3×3 1×2+3×4] [10 14]
```
**(3) A² = A × A**：
```
[1×1+2×3 1×2+2×4] = [7 10]
[3×1+4×3 3×2+4×4] [15 22]
```
**(4) AB = $\begin{bmatrix} 4 & 6 \\ 10 & 12 \end{bmatrix}$，BA = $\begin{bmatrix} 2 & 4 \\ 10 & 14 \end{bmatrix}$，显然 AB ≠ BA。**
✅ 这验证了矩阵乘法不满足交换律！
> 本题使用模板A：矩阵的基本运算。
---
#### 题2-18 ⭐ 基础 | 用模板A（矩阵乘法+转置验证）
一家小商店卖苹果和橘子，记录了周末两天的销售情况。用矩阵 A 表示"数量"（行=日期，列=水果），矩阵 B 表示"单价和重量"（行=水果，列=单价/重量）：
```
A = [3 2] (周六：苹果3斤、橘子2斤)
[4 3] (周日：苹果4斤、橘子3斤)
B = [5 6] (苹果：单价5元、重量系数6)
[2 1] (橘子：单价2元、重量系数1)
```
(1) 计算 AB，并解释结果的每一行代表什么实际含义。
(2) 分别计算 (AB)ᵀ 和 BᵀAᵀ，验证它们是否相等。
📖 点击查看答案
**(1) 计算 AB：**
```
AB = [3×5+2×2 3×6+2×1] = [15+4 18+2] = [19 20]
[4×5+3×2 4×6+3×1] [20+6 24+3] [26 27]
```
**实际含义**：AB 的每一行代表一天的总计——第一列是"当天卖了多少钱（元）"，第二列是"当天的总重量系数"。比如周六卖了 19 元，总重量系数 20。
**(2) 验证 (AB)ᵀ = BᵀAᵀ：**
先算左边——把 AB 的行列互换：
```
(AB)ᵀ = [19 26]
[20 27]
```
再算右边——先分别转置 B 和 A，然后相乘：
```
Aᵀ = [3 4] ← 注意：A 的第一列 $\begin{bmatrix} 3 \\ 4 \end{bmatrix}$ 变成了 Aᵀ 的第一行 [3 4]
[2 3] ← A 的第二列 $\begin{bmatrix} 2 \\ 3 \end{bmatrix}$ 变成了 Aᵀ 的第二行 [2 3]
Bᵀ = [5 2]
[6 1]
BᵀAᵀ = [5×3+2×2 5×4+2×3] = [15+4 20+6] = [19 26]
[6×3+1×2 6×4+1×3] [18+2 24+3] [20 27]
```
✅ (AB)ᵀ = BᵀAᵀ = $\begin{bmatrix} 19 & 26 \\ 20 & 27 \end{bmatrix}$，验证通过！
> 💡 这个验证告诉我们一个重要的运算法则：**乘积的转置 = 转置后交换顺序再乘**。就像穿衣服——先穿内衣再穿外套（A 再 B），脱的时候要先脱外套再脱内衣（Bᵀ 再 Aᵀ）。
> 本题使用模板A：矩阵的基本运算（乘法+转置）。
---
#### 题2-21 ⭐ 基础 | 用模板A（对称与反对称矩阵的判定）
判断下列矩阵中，哪些是对称矩阵，哪些是反对称矩阵，哪些两者都不是。
```
A = [1 3] B = [ 0 -2] C = [1 2] D = [0 0 1]
[3 2] [ 2 0] [4 3] [0 0 -2]
[1 2 0]
```
📖 点击查看答案
**回顾定义**：
- **对称矩阵**：转置后等于自己 → Aᵀ = A。直观上，矩阵沿着主对角线（从左上到右下）"镜像对称"。
- **反对称矩阵**：转置后等于自己的负数 → Aᵀ = -A。直观上，主对角线全为零，对称位置互为相反数。
**逐一判断**：
**A = $\begin{bmatrix} 1 & 3 \\ 3 & 2 \end{bmatrix}$**
转置：Aᵀ = $\begin{bmatrix} 1 & 3 \\ 3 & 2 \end{bmatrix}$ = A → ✅ **对称矩阵**
（主对角线：1、2；对称位置：3=3）
**B = $\begin{bmatrix} 0 & -2 \\ 2 & 0 \end{bmatrix}$**
转置：Bᵀ = $\begin{bmatrix} 0 & 2 \\ -2 & 0 \end{bmatrix}$
而 -B = $\begin{bmatrix} 0 & 2 \\ -2 & 0 \end{bmatrix}$ = Bᵀ → ✅ **反对称矩阵**
（主对角线全为 0；对称位置：-2 和 2 互为相反数）
**C = $\begin{bmatrix} 1 & 2 \\ 4 & 3 \end{bmatrix}$**
转置：Cᵀ = $\begin{bmatrix} 1 & 4 \\ 2 & 3 \end{bmatrix}$
Cᵀ ≠ C（因为 2≠4）且 Cᵀ ≠ -C → ❌ **两者都不是**
**D = $\begin{bmatrix} 0 & 0 & 1 \\ 0 & 0 & -2 \\ 1 & 2 & 0 \end{bmatrix}$**
```
D = [0 0 1]
[0 0 -2]
[1 2 0]
```
转置：Dᵀ = $\begin{bmatrix} 0 & 0 & 1 \\ 0 & 0 & 2 \\ 1 & -2 & 0 \end{bmatrix}$
Dᵀ ≠ D（第 3 行第 2 列：2 ≠ -2），Dᵀ ≠ -D → ❌ **两者都不是**
✅ 答案：
- 对称矩阵：A
- 反对称矩阵：B
- 两者都不是：C、D
> 💡 快速判断口诀：反对称矩阵必须满足"对角线全为零"——如果对角线上有非零元素，绝对不可能是反对称矩阵！
> 本题使用模板A：矩阵的基本运算（转置与矩阵类型判定）。
---
#### 题2-7 ⭐⭐ 中等 | 用模板A+综合
已知 A = $\begin{bmatrix} 1 & 1 \\ 0 & 1 \end{bmatrix}$，求 Aⁿ（n 为正整数）。
📖 点击查看答案
先算几项找规律：
A² = $\begin{bmatrix} 1 & 1 \\ 0 & 1 \end{bmatrix}$ × $\begin{bmatrix} 1 & 1 \\ 0 & 1 \end{bmatrix}$ = $\begin{bmatrix} 1 & 2 \\ 0 & 1 \end{bmatrix}$
A³ = A² × A = $\begin{bmatrix} 1 & 2 \\ 0 & 1 \end{bmatrix}$ × $\begin{bmatrix} 1 & 1 \\ 0 & 1 \end{bmatrix}$ = $\begin{bmatrix} 1 & 3 \\ 0 & 1 \end{bmatrix}$
A⁴ = A³ × A = $\begin{bmatrix} 1 & 3 \\ 0 & 1 \end{bmatrix}$ × $\begin{bmatrix} 1 & 1 \\ 0 & 1 \end{bmatrix}$ = $\begin{bmatrix} 1 & 4 \\ 0 & 1 \end{bmatrix}$
发现规律：Aⁿ = $\begin{bmatrix} 1 & n \\ 0 & 1 \end{bmatrix}$
用数学归纳法可以严格证明。或者注意 A = E + B，其中 B = $\begin{bmatrix} 0 & 1 \\ 0 & 0 \end{bmatrix}$，而 B² = 0。用二项式展开（二项式展开要求 E 与 B 可交换——E 是单位阵，和任何矩阵都可交换，所以 E+B 能这样展开）：
Aⁿ = (E + B)ⁿ = Eⁿ + n·Eⁿ⁻¹·B + ... 后面项含 B² 及以上都是 0
= E + nB = $\begin{bmatrix} 1 & 0 \\ 0 & 1 \end{bmatrix}$ + $\begin{bmatrix} 0 & n \\ 0 & 0 \end{bmatrix}$ = $\begin{bmatrix} 1 & n \\ 0 & 1 \end{bmatrix}$
✅ 答案：Aⁿ = $\begin{bmatrix} 1 & n \\ 0 & 1 \end{bmatrix}$
> 💡 这类"求幂"题的核心思路：要么找规律，要么拆成 E + B（B 的某次幂为零）。
> 本题使用模板A：矩阵的基本运算（幂的扩展）。
---
#### 题2-25 ⭐⭐ 中等 | 用模板A（求Aⁿ——找规律法）
已知 A = $\begin{bmatrix} 1 & 2 \\ 0 & 1 \end{bmatrix}$，求 Aⁿ（n 为正整数）。
提示：先算 A²、A³，观察规律。你也可以试试把 A 写成 E + B 的形式（其中 B 的某次幂为零）。
📖 点击查看答案
**方法一：先算几项找规律。**
A² = A × A = $\begin{bmatrix} 1 & 2 \\ 0 & 1 \end{bmatrix}$ × $\begin{bmatrix} 1 & 2 \\ 0 & 1 \end{bmatrix}$ = $\begin{bmatrix} 1\times 1+2\times 0 & 1\times 2+2\times 1 \\ 0\times 1+1\times 0 & 0\times 2+1\times 1 \end{bmatrix}$ = $\begin{bmatrix} 1 & 4 \\ 0 & 1 \end{bmatrix}$
A³ = A² × A = $\begin{bmatrix} 1 & 4 \\ 0 & 1 \end{bmatrix}$ × $\begin{bmatrix} 1 & 2 \\ 0 & 1 \end{bmatrix}$ = $\begin{bmatrix} 1\times 1+4\times 0 & 1\times 2+4\times 1 \\ 0\times 1+1\times 0 & 0\times 2+1\times 1 \end{bmatrix}$ = $\begin{bmatrix} 1 & 6 \\ 0 & 1 \end{bmatrix}$
A⁴ = A³ × A = $\begin{bmatrix} 1 & 6 \\ 0 & 1 \end{bmatrix}$ × $\begin{bmatrix} 1 & 2 \\ 0 & 1 \end{bmatrix}$ = $\begin{bmatrix} 1\times 1+6\times 0 & 1\times 2+6\times 1 \\ 0\times 1+1\times 0 & 0\times 2+1\times 1 \end{bmatrix}$ = $\begin{bmatrix} 1 & 8 \\ 0 & 1 \end{bmatrix}$
观察规律：**右上角的数字 = 2 × n**，其他位置不变（对角线为 1，左下角为 0）。
猜测：Aⁿ = $\begin{bmatrix} 1 & 2n \\ 0 & 1 \end{bmatrix}$
---
**方法二：拆成 E + B，用二项式展开（更严格）。**
把 A 拆开：A = $\begin{bmatrix} 1 & 0 \\ 0 & 1 \end{bmatrix}$ + $\begin{bmatrix} 0 & 2 \\ 0 & 0 \end{bmatrix}$ = E + B，其中 B = $\begin{bmatrix} 0 & 2 \\ 0 & 0 \end{bmatrix}$。
关键发现：B² = $\begin{bmatrix} 0 & 2 \\ 0 & 0 \end{bmatrix}$ × $\begin{bmatrix} 0 & 2 \\ 0 & 0 \end{bmatrix}$ = $\begin{bmatrix} 0 & 0 \\ 0 & 0 \end{bmatrix}$ = **0**（零矩阵！）
既然 B² = 0，那 B³、B⁴……全部是零。这意味着二项式展开时，只有前两项不为零（这里能展开的前提是 E 与 B 可交换——E 是单位阵，和任何矩阵都可交换）：
Aⁿ = (E + B)ⁿ = Eⁿ + C(n,1)·Eⁿ⁻¹·B + C(n,2)·Eⁿ⁻²·B² + ……
因为 B² 及更高次幂全是零，所以从第三项开始全部消失：
Aⁿ = E + n·B = $\begin{bmatrix} 1 & 0 \\ 0 & 1 \end{bmatrix}$ + n × $\begin{bmatrix} 0 & 2 \\ 0 & 0 \end{bmatrix}$ = $\begin{bmatrix} 1 & 0 \\ 0 & 1 \end{bmatrix}$ + $\begin{bmatrix} 0 & 2n \\ 0 & 0 \end{bmatrix}$ = **$\begin{bmatrix} 1 & 2n \\ 0 & 1 \end{bmatrix}$**
与方法一的猜测完全一致！
---
✅ 答案：Aⁿ = $\begin{bmatrix} 1 & 2n \\ 0 & 1 \end{bmatrix}$（n 为正整数）
**验证**（取 n=5 代入公式，再直接乘一遍）：
公式：A⁵ = $\begin{bmatrix} 1 & 10 \\ 0 & 1 \end{bmatrix}$
直接乘：A² = $\begin{bmatrix} 1 & 4 \\ 0 & 1 \end{bmatrix}$，A⁴ = $\begin{bmatrix} 1 & 4 \\ 0 & 1 \end{bmatrix}$ × $\begin{bmatrix} 1 & 4 \\ 0 & 1 \end{bmatrix}$ = $\begin{bmatrix} 1 & 8 \\ 0 & 1 \end{bmatrix}$
A⁵ = A⁴ × A = $\begin{bmatrix} 1 & 8 \\ 0 & 1 \end{bmatrix}$ × $\begin{bmatrix} 1 & 2 \\ 0 & 1 \end{bmatrix}$ = $\begin{bmatrix} 1 & 10 \\ 0 & 1 \end{bmatrix}$ ✓
> 💡 这道题展示了两条路：**找规律**（适合填空题，快）和 **E+B 展开法**（适合证明题，严格）。核心技巧是：看到一个矩阵 A，如果它和单位矩阵 E 只差一点点（A - E 很简单），就把 A 写成 E + B，然后看 B 的幂会不会"消失"（变成零矩阵）。如果 B² = 0，那二项式展开只有两项，大大简化计算。
> 本题使用模板A：矩阵的基本运算（幂的扩展——找规律法与 E+B 分解法）。
---
### 📦 知识块B：逆矩阵与矩阵方程
> 📌 这块学完你就能回答：
> - 逆矩阵是什么？为什么说它是"撤销操作"？可逆的条件是什么？
> - 二阶方阵求逆的"五秒口诀"怎么用？三阶及以上该用哪种方法？
> - 矩阵方程 AX=B 和 XA=B 解法有什么不同？怎么判断该从哪边"脱外套"？
> - 方阵的幂 Aⁿ 有哪几种求解策略？
### 2.10 逆矩阵 —— "数字世界里倒着走的操作"
> 🔔 **课前激活**（动笔写30秒再往下读）
>
> 你打游戏的时候死了，想从存档重新来——按了"加载存档"按钮，游戏回到了死之前的状态。这个"加载存档"就是"死亡"的反向操作。在数学里，有没有类似的"撤销键"？如果你做了某个运算，能不能找到一个反运算，做了之后一切恢复原样？另外想一想：会不会有些操作做了之后"无法撤销"？（比如把一张纸烧了——没法从灰恢复成纸。）
**💬 生活比喻**：
你早上穿衣服的顺序是：内衣 → 衬衫 → 外套。这个顺序可以看成一个"穿衣操作"（矩阵 A）。
到了晚上脱衣服的顺序呢？是：外套 → 衬衫 → 内衣。这个相反的操作就是"脱衣操作"（逆矩阵 A⁻¹）。
穿衣操作 × 脱衣操作 = 回到原始状态（光着身子）= 单位矩阵 E。
**所以"逆矩阵"就是"撤销操作"——做完一件事，再用逆矩阵做一遍，就回到原样。**
另一个比喻：数字世界里，3 的倒数是 1/3（因为 3 × 1/3 = 1）。逆矩阵就是矩阵世界里的"倒数"——A × A⁻¹ = E。
> #### 顺着"撤销"往下想一步：这个"撤销键"到底该满足什么？
>
> 看到这题，先别慌。数字世界里，3 的"撤销键"是 1/3，因为 **3 × 1/3 = 1**——乘起来等于单位元（乘法里的"1"）。
>
> **难在哪？** 把这个想法搬进矩阵：矩阵的"单位元"是单位矩阵 E（2.8.2 节那个"乘了等于没乘"的表）。那矩阵 A 的"撤销键"B 该满足什么？自然是：**A × B = E**——A 先做一遍，再用 B 撤销，回到"什么都没做"的状态（E）。
>
> 但这里藏着一个细节：撤销必须"从哪边做都行"吗？——要的。既然 A 把 x 变成 Ax，那再撤销回来得保证 B(Ax) = x，也就是 BA = E；反过来 A(Bx) = x 也就是 AB = E。两个方向都得成立：**AB = BA = E**。
>
> 🔍 **回头看看**：我们没背定义，而是从"撤销"这个直觉出发，一步步逼出了这个要求——**AB = BA = E**。满足这个条件的 B，就叫 A 的逆矩阵 A⁻¹。
**📖 正式定义**：
对于 n 阶方阵 A，如果存在 n 阶方阵 B，使得：
```
AB = BA = E
```
则称 A **可逆**（或非奇异、非退化），B 称为 A 的**逆矩阵**，记作 A⁻¹。
**⚠️ 注意**：
- 只有方阵才可能可逆（长方形矩阵没有逆矩阵）
- 不是所有方阵都可逆——行列式为 0 的方阵不可逆（因为"把空间压扁了"，信息丢了，无法"撤销"恢复原状）
- 如果可逆，逆矩阵是唯一的
**🔑 可逆的等价条件**（极其重要！以下全是一个意思）：
|A| ≠ 0 ⟺ A 可逆 ⟺ A 满秩 ⟺ A 的列向量线性无关（第3章）
⟺ 齐次方程组 Ax=0 只有零解（第4章）
> 💡 "满秩"这个词 2.15 节会正式教，现在先把它当成"一点水分都没有、行行都独立"的意思即可。
> 💡 同理，"线性无关"就是几个向量谁也表达不了谁、谁也不多余——就像坐标系的三根轴，各管各的方向，谁都替不了谁。这个第3章会系统学，现在先记住这个感觉即可。
> ✍️ **立刻练一道**：判断 A = $\begin{bmatrix} 1 & 2 \\ 2 & 4 \end{bmatrix}$ 是否可逆？提示：先算它的行列式，再用"|A| ≠ 0 ⟺ 可逆"这条唯一硬指标判断。
>
>
📖 点击看答案
>
> |A| = 1×4 − 2×2 = 0。行列式为 0 → **不可逆**。注意：A 的四个元素全非零，照样不可逆——判断可逆只能看行列式，不能看元素。
>
>
> ⭐⭐⭐ 核心中的核心——后续所有章节都要用到
---
#### 🔗 灵魂定理：可逆的等价条件链
> 📌 **结论（先记住）**：|A|≠0 ⟺ A 可逆 ⟺ A 满秩 ⟺ A 的行（列）向量线性无关 ⟺ Ax=0 只有零解 ⟺ Ax=b 有唯一解。这些条件是一条环环相扣的铁链，任何一环成立，全部成立。
>
> 🔗 **完整推导已移至第4章**（"1.5 秩在方程组中的意义"之后）——因为推导里的"线性无关""Ax=0 只有零解"用到第3、4章的概念，学完第4章后再回看，你会看到这条铁链为什么一环扣一环。这里先记住结论，考试直接用。
### 2.11 伴随矩阵法求逆矩阵
> 🔔 **课前激活**（动笔写30秒再往下读）
>
> 你要取消一个外卖订单——想知道怎么一步步"撤回"，先得搞清楚这个订单里每个环节谁起了什么作用：点了哪道菜、用了什么优惠券、谁配送的……把这些"影响力"列出来，才知道该怎么一步步撤销。矩阵里求"逆矩阵"也有类似的方法——先算一份"每个位置上数字的影响力报告"，除以总的影响力，就得到了"撤销操作说明书"。你能猜到这份"影响力报告"是怎么算出来的吗？
**💬 生活比喻**：
如果你要做一个"反向操作"，需要知道原来每个步骤的"影响力"。伴随矩阵就像一份"影响力报告"——它记录了原来矩阵中每个位置的元素对整体结果的贡献度。有了这份报告，除以总的影响力（行列式），就得到了逆矩阵。
> #### 先算一道：怎么用一个"通用配方"求逆，而不是每次都从头试？
>
> 看到这题，先别慌。上节我们定义了逆矩阵——满足 AB = BA = E 的 B 就是 A⁻¹。可定义归定义，**真让你求 A = $\begin{bmatrix} a & b \\ c & d \end{bmatrix}$ 的逆，你总不能一个数一个数去试吧**？
>
> **难在哪？** 你得有个"通用配方"——只要把 a、b、c、d 代进去，答案自己蹦出来。
>
> 动手推导：设 A⁻¹ = $\begin{bmatrix} x & y \\ z & w \end{bmatrix}$，则按定义 A·A⁻¹ = E：
> ```
> [a b] × [x y] = [ax+bz ay+bw] = [1 0]
> [c d] [z w] [cx+dz cy+dw] [0 1]
> ```
> 从第一列：ax+bz = 1，cx+dz = 0。解这个二元一次方程组得 x = d/(ad−bc)，z = −c/(ad−bc)。从第二列同理得 y = −b/(ad−bc)，w = a/(ad−bc)。
>
> 🔍 **回头看看**：把四个答案并排写出来——x 的位置是 d、w 的位置是 a（**主对角线对调**），y 的位置是 −b、z 的位置是 −c（**副对角线变号**），整体再**除以行列式** ad−bc：
> ```
> A⁻¹ = 1/(ad−bc) × [ d −b]
> [−c a]
> ```
> 这就是"主对调、次变号、除以行列式"——**二阶口诀不是天上掉下来的，它是把"逆矩阵定义"翻译成方程、解出来之后的样子**。下面正式登场。
**📖 正式定义**：
设 A 是 n 阶方阵，Aᵢⱼ 是元素 aᵢⱼ 的**代数余子式**（第1章学过的概念），将所有代数余子式按下面的方式排列并转置，得到的矩阵叫 A 的**伴随矩阵**，记作 A*：
```
[A₁₁ A₂₁ ... Aₙ₁] ← 注意！是转置后的排列
A* = [A₁₂ A₂₂ ... Aₙ₂] 第1列是第1行的代数余子式
[ ... ... ... ...]
[A₁ₙ A₂ₙ ... Aₙₙ]
```
**定理**：若 |A| ≠ 0，则 A⁻¹ = (1/|A|)·A*
**🔑 核心公式**：A·A* = A*·A = |A|·E（这个公式极其重要！）
从这个公式可以推出：
- 若 |A| ≠ 0 → A⁻¹ = A*/|A|
- |A*| = |A|ⁿ⁻¹（n 是阶数，n≥2）
**📋 伴随矩阵的运算律**（考研选择题高频考点，均可用定义或核心公式验证）：
- (kA)* = kⁿ⁻¹ · A*（k 是任意数，n 是阶数）
- 证明（两行）：伴随矩阵 = 代数余子式转置排列。kA 划去第 i 行第 j 列后，剩下的 (n−1) 阶矩阵每个元素都是原来的 k 倍 → 那个 (n−1) 阶行列式是原来的 kⁿ⁻¹ 倍。于是每个位置的代数余子式都放大 kⁿ⁻¹ 倍，转置排列后仍是 kⁿ⁻¹ 倍 → (kA)* = kⁿ⁻¹·A*。
- (A*)ᵀ = (Aᵀ)*（同法可证）
- (AB)* = B* · A*（同法可证）
**📝 二阶方阵逆矩阵的快捷口诀**：
对于二阶矩阵 A = $\begin{bmatrix} a & b \\ c & d \end{bmatrix}$：
"**主对调，次变号，除以行列式**"
```
A⁻¹ = 1/(ad-bc) × [ d -b]
[-c a]
```
- 主对角线 a、d 对调位置
- 副对角线 b、c 变号（加负号）
- 除以行列式 ad-bc
**📝 例子**：
```
A = [5 4] |A| = 10-12 = -2
[3 2]
A⁻¹ = 1/(-2) × [ 2 -4] = [-1 2 ]
[-3 5] [1.5 -2.5]
```
> ⭐⭐⭐ 核心——求逆矩阵有两种方法，这是第一种（适合低阶矩阵）
> ✍️ **立刻练一道**（用刚悟出的二阶口诀）：求 A = $\begin{bmatrix} 2 & 5 \\ 1 & 3 \end{bmatrix}$ 的逆矩阵，并验证 A × A⁻¹ = E。
>
>
📖 点击看答案
>
> |A| = 2×3 − 5×1 = 1。"主对调，次变号，除以行列式"：主对角线 2、3 对调，副对角线 5、1 变号 → A⁻¹ = $\begin{bmatrix} 3 & −5 \\ −1 & 2 \end{bmatrix}$ / 1 = $\begin{bmatrix} 3 & −5 \\ −1 & 2 \end{bmatrix}$。验证：A×A⁻¹ = $\begin{bmatrix} 2 & 5 \\ 1 & 3 \end{bmatrix}$×$\begin{bmatrix} 3 & −5 \\ −1 & 2 \end{bmatrix}$ = $\begin{bmatrix} 2\times 3+5\times (−1) & 2\times (−5)+5\times 2 \\ 1\times 3+3\times (−1) & 1\times (−5)+3\times 2 \end{bmatrix}$ = $\begin{bmatrix} 1 & 0 \\ 0 & 1 \end{bmatrix}$ = E ✓（这正是题2-2）。
>
>
#### 📝 从伴随矩阵到逆矩阵——完整推导（可选读，帮助深入理解）
> 💡 前面"先算一道"里，我们已经用"逆矩阵定义 → 解方程组"把二阶口诀**推了一遍**；这一节换个角度，用**代数余子式（伴随矩阵）**再推一次。两条路结果一致，互为验证。
**为什么 A⁻¹ = A*/|A| ？**
从核心公式 A·A* = |A|·E 出发：
两边同时除以 |A|（前提 |A| ≠ 0）：
```
A × (A*/|A|) = E
```
根据逆矩阵的定义（如果 AB = E，则 B 就是 A⁻¹），所以 A*/|A| 就是 A⁻¹。
**为什么二阶口诀"主对调，次变号，除以行列式"成立？（代数余子式角度）**
对于 A = $\begin{bmatrix} a & b \\ c & d \end{bmatrix}$：
- A₁₁（a₁₁ 的代数余子式）= (-1)¹⁺¹ × d = d
- A₁₂（a₁₂ 的代数余子式）= (-1)¹⁺² × c = -c
- A₂₁（a₂₁ 的代数余子式）= (-1)²⁺¹ × b = -b
- A₂₂（a₂₂ 的代数余子式）= (-1)²⁺² × a = a
伴随矩阵 A* = $\begin{bmatrix} A₁₁ & A₂₁ \\ A₁₂ & A₂₂ \end{bmatrix}$ = $\begin{bmatrix} d & -b \\ -c & a \end{bmatrix}$（注意是转置排列的！）
所以 A⁻¹ = A*/|A| = 1/(ad-bc) × $\begin{bmatrix} d & -b \\ -c & a \end{bmatrix}$。就是"主对调（a 和 d 交换位置），次变号（b 和 c 加负号），除以行列式"。
**⚠️ 三阶伴随矩阵最容易犯的错**：忘记转置！伴随矩阵的每一**列**是原矩阵对应**行**的代数余子式。很多人算完代数余子式后直接按行排列，导致正负号和位置全错。
---
#### 🎯 方法原理：伴随矩阵法求逆 —— A⁻¹ = A*/|A| 是怎么来的？
> 💡 **和上面"可选读"二选一**：上面那份推导和这里是一回事，选读一份即可，不必两份都啃。这份更根本（从按行展开定理推到 A·A* = |A|·E），推荐读这份。
##### 🧃 场景
你要取消一个外卖订单。"取消"这件事要做对，得先搞清楚订单里每个环节的"影响力"：点了什么菜（影响总价）、用了什么优惠券（影响折扣）、谁来配送（影响运费）。把每个环节的影响力挨个列出来，凑成一份"影响力说明书"——除以总影响值，就得到"撤销操作指南"。伴随矩阵法求逆矩阵，正是这个思路。
##### 📐 推导过程
**第1步：核心公式的由来——A·A* = |A|·E**
回忆第1章学过的"按行（列）展开定理"：行列式 |A| 可以按第 i 行展开：
```
|A| = aᵢ₁Aᵢ₁ + aᵢ₂Aᵢ₂ + ... + aᵢₙAᵢₙ
```
其中 Aᵢⱼ 是 aᵢⱼ 的代数余子式。这恰好是 A 的第 i 行与 A 的第 i 行代数余子式（排列成列向量）的内积。
但是！如果把 A 的第 i 行与 A 的第 k 行（k≠i）的代数余子式做内积，相当于把行列式 |A| 的第 k 行替换成第 i 行——这等于把同一个行写了两遍，行列式必为 0：
```
aᵢ₁Aₖ₁ + aᵢ₂Aₖ₂ + ... + aᵢₙAₖₙ = 0 （当 i ≠ k 时）
```
把这两种情况（i=k 得 |A|，i≠k 得 0）合并写成矩阵形式，就是：
```
A · A* = |A| · E
```
其中 A* 的第 j 行第 i 列 = Aᵢⱼ（注意下标是转置的——这正是为什么 A* 要转置排列！）。
> 大白话：A 的第 i 行乘 A* 的第 i 列（= A 的第 i 行的代数余子式）得到 |A|——信息完全匹配，得到全部影响力。但 A 的第 i 行乘 A* 的第 k 列（= A 的第 k 行的代数余子式，k≠i）得到 0——"张冠李戴"，配对失败，结果为 0。整个等式用矩阵一次写出来，就是 A·A* = |A|·E。
**第2步：从核心公式到逆矩阵公式**
若 |A| ≠ 0（A 可逆），核心公式两边同时除以 |A|：
```
A × (A*/|A|) = E
```
左边是 A 乘以某个矩阵得到 E，根据逆矩阵的定义，那个"某个矩阵"只能是 A⁻¹。所以：
```
A⁻¹ = A*/|A|
```
> 大白话：核心公式告诉我们"A 乘伴随矩阵 = 行列式乘单位阵"。把行列式"移到右边去"（除以它），就凑出了"A 乘某个东西 = E"的形式——那个"某个东西"就是逆矩阵。
**第3步：二阶口诀的推导（代数余子式直接代入）**
对于 A = $\begin{bmatrix} a & b \\ c & d \end{bmatrix}$：
- a₁₁=a：划去第1行第1列→剩 d，符号 (−1)¹⁺¹=+1 → A₁₁ = d
- a₁₂=b：划去第1行第2列→剩 c，符号 (−1)¹⁺²=−1 → A₁₂ = −c
- a₂₁=c：划去第2行第1列→剩 b，符号 (−1)²⁺¹=−1 → A₂₁ = −b
- a₂₂=d：划去第2行第2列→剩 a，符号 (−1)²⁺²=+1 → A₂₂ = a
A* = $\begin{bmatrix} A₁₁ & A₂₁ \\ A₁₂ & A₂₂ \end{bmatrix}$（注意转置！）= $\begin{bmatrix} d & −b \\ −c & a \end{bmatrix}$。再除以 |A| = ad−bc：
**"主对调，次变号，除以行列式"** ✓
##### 📝 方法复盘
伴随矩阵法的本质：**把每个位置对整体行列式的"贡献度"（代数余子式）排列成一张矩阵，然后除以总贡献度（行列式），就得到"反向操作说明书"（逆矩阵）。**
二阶是口诀秒杀，三阶要逐列算代数余子式再转置。三阶以上的计算量呈爆炸增长（4 阶要算 16 个 3 阶行列式），所以这个方法基本只用于低阶。
##### ⚠️ 易错边界
| 误区 | 正确理解 |
|------|----------|
| "算完代数余子式直接按原位置排列" | **必须转置！** A* 的第 i 行第 j 列 = Aⱼᵢ（A 的第 j 行第 i 列的代数余子式）。很多人忘了转置，导致整个逆矩阵的行列全错 |
| "伴随矩阵法对任何矩阵都适用" | 只有 |A|≠0（可逆）时 A⁻¹=A*/|A| 才成立。|A|=0 时伴随矩阵存在，但公式不能用来算逆矩阵（因为根本没有逆） |
| "三阶伴随矩阵直接心算" | 三阶要算 9 个 2 阶行列式，每一步的符号 (−1)^(i+j) 不能弄错——建议逐列写在草稿上再转置 |
---
> 🛑 **停下来想一想**：用"影响力报告法"（伴随矩阵）求逆时，最容易漏掉的关键一步是什么？（提示：算完每个位置的"影响力"之后，还要做一个动作）二阶口诀"主对调、次变号、除以行列式"又是从哪儿冒出来的？
> 💡 **阅读思考题**
>
> **❶ 理解检测** — 用"取消外卖订单"的比喻，说清楚伴随矩阵 A* 记录的到底是什么，以及为什么 A⁻¹=A*/|A|。
>
> **❷ 深度思考** — 二阶口诀能 5 秒出结果。给你 A=$\begin{bmatrix} 3 & 1 \\ 5 & 2 \end{bmatrix}$，别列竖式，直接口算它的逆矩阵，并说出每一步分别对应口诀里的哪个字。
>
> **❸ 考试演练** — （单选题）设 A 为 n 阶方阵，A* 为其伴随矩阵，则 A·A* 等于：
> A. E B. A⁻¹ C. |A|·E D. |A|
📖 点击查看参考答案
**🛑 停下来想一想**：最容易漏的是**转置**——把每个位置的代数余子式算完后，必须放到"转置位置"（A* 的第 i 行第 j 列放的是 Aⱼᵢ），很多人直接按原位置排就全错了。二阶口诀正是"逐个算代数余子式再转置"的结果：A₁₁=d、A₁₂=−c、A₂₁=−b、A₂₂=a，转置排列后就是 $\begin{bmatrix} d & −b \\ −c & a \end{bmatrix}$，再除以 |A|=ad−bc。
**❶** A* 是一份"影响力报告"，记录原矩阵中每个位置对整体结果的贡献度（代数余子式）。要"撤销"操作，得先知道每步的影响力，再除以总影响力（行列式），就得到撤销说明书——所以 A⁻¹=A*/|A|。
**❷** |A|=3×2−1×5=1；"主对调"把 3、2 换位，"次变号"给 1、5 加负号，得 $\begin{bmatrix} 2 & −1 \\ −5 & 3 \end{bmatrix}$；"除以行列式"除以 1。所以 A⁻¹=$\begin{bmatrix} 2 & −1 \\ −5 & 3 \end{bmatrix}$。
**❸** 答案：C。核心公式 A·A*=A*·A=|A|·E。
**考试易错提醒**：右边是 |A|·E（一个数乘单位阵），不是光秃秃的 |A|（一个数）——维度不能丢，D 就是这个坑。这个公式是伴随矩阵所有题目的"万能钥匙"，看到 A* 先想到它。
---
### 2.12 初等变换法求逆矩阵
> 🔔 **课前激活**（动笔写30秒再往下读）
>
> 你在密室逃脱里解一道密码锁：面前有一个乱码盘（矩阵A），旁边贴着一张"答案对照表"（单位矩阵E）。你每次转一下乱码盘，对照表也跟着转一下。当你把乱码盘转成"顺序排列"的时候，对照表上显示的就是"解锁密码"（逆矩阵）。这个方法比上一节的"影响力报告法"好在哪？什么情况下你会选择这个方法而不是上一个？
**💬 生活比喻**：
刚才的伴随矩阵法做逆矩阵，对于 3 阶以上的矩阵计算量非常大（想想前面说过的 4 阶情形，行列式多得吓人）。
**初等变换法就像"拼图游戏"**：把原矩阵和单位矩阵并排放在一起，然后对它们做相同的"行操作"，直到把原矩阵变成单位矩阵——这时候旁边那位"见证了整个过程的观众"就自动变成了逆矩阵。
更生活化的比喻：你在看一个魔术师变魔术——他一步步把一只兔子（矩阵 A）变成了一顶帽子（单位矩阵 E）。你旁边放了一面镜子（初始是单位矩阵 E），魔术师对兔子做的每一步操作，镜子也同时经历——最后兔子变成帽子的时候，镜子里映出的就是整个魔术的"倒放说明书"（逆矩阵 A⁻¹）。
> #### 先看一道 3 阶求逆，感受一下"伴随矩阵法"为什么吃不消
>
> 看到这题，先别慌。要你求 A = $\begin{bmatrix} 1 & 2 & 3 \\ 2 & 2 & 1 \\ 3 & 4 & 3 \end{bmatrix}$ 的逆矩阵。（这道题在 2.12 节已经完整做过一遍，这里快速重看步骤即可，重点记住"只能行变换"这条。）
>
> **难在哪？** 用上节的伴随矩阵法？那得算 9 个 2 阶行列式（每个位置一个代数余子式），再小心翼翼地转置排列——数字稍大一点，人就开始晕了。**有没有一条更"无脑"的路——只做机械的消元，不算一个行列式？**
>
> 动手试探：把 A 和单位矩阵 E 并排放在一起，写成 (A | E)。然后想——如果我能**只靠"行操作"**（换行、某行乘数、某行加另一行的倍数）把左边的 A 慢慢"磨"成 E，那这些操作对右边的 E 也照样做一遍，右边最后会变成什么？
>
> 试试就知道：跟着下面的消元走，左边每变成一步，右边同步跟着变：
> ```
> [1 2 3 | 1 0 0] R₂-2R₁, R₃-3R₁ [1 2 3 | 1 0 0]
> [2 2 1 | 0 1 0] ────────────────→ [0 -2 -5 | -2 1 0]
> [3 4 3 | 0 0 1] [0 -2 -6 | -3 0 1]
>
> R₃-R₂ [1 2 3 | 1 0 0]
> ──────────→ [0 -2 -5 | -2 1 0]
> [0 0 -1 | -1 -1 1]
>
> R₃×(-1), R₂÷(-2) [1 2 3 | 1 0 0]
> ──────────────→ [0 1 2.5 | 1 -0.5 0]
> [0 0 1 | 1 1 -1]
>
> R₂-2.5R₃, R₁-3R₃, R₁-2R₂ [1 0 0 | 1 3 -2]
> ───────────────────────→ [0 1 0 | -1.5 -3 2.5]
> [0 0 1 | 1 1 -1]
> ```
> 左边变成了 E，右边恰好是 A⁻¹ = $\begin{bmatrix} 1 & 3 & -2 \\ -1.5 & -3 & 2.5 \\ 1 & 1 & -1 \end{bmatrix}$！
>
> 🔍 **回头看看**：整个过程没算一个行列式，只有一行行的"消元"——**把 A 磨成 E 的同时，E 被同步"磨"成了 A⁻¹**。这就是初等变换法（也叫拼图法/镜子法）。为什么成立？背后的道理在下面的"方法原理"里讲透。
**📖 具体做法**：
1. 把 A 和同阶单位矩阵 E 并排写成一个大矩阵：(A | E)
2. 对这个大矩阵做**初等行变换**（只能做行变换！）
3. 当左边变成 E 时，右边就是 A⁻¹
```
(A | E) ──初等行变换──→ (E | A⁻¹)
```
**📝 例子**：
求 A = $\begin{bmatrix} 1 & 2 \\ 3 & 4 \end{bmatrix}$ 的逆矩阵。
```
[1 2 | 1 0] R₂-3R₁ [1 2 | 1 0]
[3 4 | 0 1] ────────→ [0 -2 | -3 1]
R₂÷(-2) [1 2 | 1 0 ]
──────────→ [0 1 | 1.5 -0.5]
R₁-2R₂ [1 0 | -2 1 ]
──────────→ [0 1 | 1.5 -0.5]
所以 A⁻¹ = [-2 1 ]
[1.5 -0.5]
```
**⚠️ 注意**：
- 只能做行变换（或强调：只用行变换），不能行列混用
- 如果左边化不成单位矩阵 → 说明 A 不可逆（|A|=0）
> ⭐⭐⭐ 核心——这是求 3 阶及以上逆矩阵的首选方法
> ✍️ **立刻练一道**（用刚悟出的"拼图法"）：用初等行变换求 A = $\begin{bmatrix} 1 & 2 & 1 \\ 3 & 4 & 2 \\ 1 & 2 & 2 \end{bmatrix}$ 的逆矩阵。提示：老套路——(A | E)，只做行变换，把左边磨成 E。
>
>
📖 点击看答案
>
> 增广矩阵 (A|E)，R₂−3R₁、R₃−R₁ → $\begin{bmatrix} 1 & 2 & 1 & | & 1 & 0 & 0 \\ 0 & −2 & −1 & | & −3 & 1 & 0 \\ 0 & 0 & 1 & | & −1 & 0 & 1 \end{bmatrix}$；R₂÷(−2) → $\begin{bmatrix} 1 & 2 & 1 & | & 1 & 0 & 0 \\ 0 & 1 & 0.5 & | & 1.5 & −0.5 & 0 \\ 0 & 0 & 1 & | & −1 & 0 & 1 \end{bmatrix}$；R₂−0.5R₃ → $\begin{bmatrix} 1 & 2 & 1 & | & 1 & 0 & 0 \\ 0 & 1 & 0 & | & 2 & −0.5 & −0.5 \\ 0 & 0 & 1 & | & −1 & 0 & 1 \end{bmatrix}$；R₁−R₃−2R₂ 得 $\begin{bmatrix} 1 & 0 & 0 & | & −2 & 1 & 0 \\ 0 & 1 & 0 & | & 2 & −0.5 & −0.5 \\ 0 & 0 & 1 & | & −1 & 0 & 1 \end{bmatrix}$。所以 A⁻¹ = $\begin{bmatrix} −2 & 1 & 0 \\ 2 & −0.5 & −0.5 \\ −1 & 0 & 1 \end{bmatrix}$（这就是题2-8，算完可自己验证 A×A⁻¹ = E）。
>
>
---
#### 🎯 方法原理：初等变换法求逆 —— 为什么 [A|E]→[E|A⁻¹] 成立？
##### 🧃 场景
你在密室逃脱里解一道密码锁。面前有一个乱码盘（A），旁边的墙上挂着一面镜子（E）。你每次转动乱码盘一步，镜子也同步反映你的手部动作。当你把乱码盘转成"顺序排列"（E）时，镜子里已经记录了你所有手部动作的"反向说明书"（A⁻¹）。初等变换法求逆矩阵的本质，就是"让镜子替你记账"。
##### 📐 推导过程
**第1步：把每一步行变换"翻译"成左乘初等矩阵**
> 🔮 **第一遍可跳过**："初等矩阵"和记号 E(1,2(1)) 到 2.17 节才正式教。求逆的操作步骤（第2、3步）你已经会了，这一小段"为什么成立"可以先跳过，学完 2.17 节再回看。
先用一个 2.17 节才正式讲的概念（这里先借来用）：对矩阵做一次初等行变换 = 左乘一个对应的初等矩阵。例如：
- R₁+R₂ → 左乘 E(1,2(1))
- 2R₃ → 左乘 E(3(2))
- R₁↔R₂ → 左乘 E(1,2)
把 A 用一系列行变换变成 E，相当于：
```
E = Pₖ · ... · P₂ · P₁ · A
```
其中 P₁, P₂, ..., Pₖ 是每一步行变换对应的初等矩阵。
> 大白话：把"A 变成 E"这件事，本质上就是"A 被一串操作卡片左乘"——每一张卡片上都写着一个行变换指令。
**第2步：这串"操作卡片"的乘积就是 A⁻¹**
令 Q = Pₖ · ... · P₂ · P₁（全部行变换的累积效果），则：
```
Q · A = E
```
因为 A 和 Q 都是方阵，且 QA = E，所以 **Q = A⁻¹**（左逆 = 右逆 = 逆矩阵）。
> 大白话：全部行变换"打包"成一个矩阵 Q，Q 乘 A 等于 E——那 Q 就是 A⁻¹ 没跑了。就像把所有操作步骤压缩成一步"终极撤销"。
**第3步：右边 E 同步记录——为什么右边自动变成 A⁻¹**
把 (A|E) 并排放在一起：
```
(A | E)
```
对这整张表做同一套行变换 Pₖ...P₂P₁。对左边的作用：把 A 变成 E。对右边的作用：把 E 变成 Pₖ...P₂P₁ · E = Pₖ...P₂P₁ = Q = A⁻¹。
所以当左边磨成 E 时，右边"同步经历的记录"恰好就是 A⁻¹。
> 大白话：镜子（右边的 E）一开始是空白的。魔术师对兔子（左边的 A）做的每一步，"镜子"都原样复刻。兔子变成帽子（E）的时候，镜子里记录的整串动作，拼在一起恰好等于"把帽子变回兔子"的反向操作（A⁻¹）。
**第4步：为什么只能做行变换、不能混列变换？**
因为整个过程建立在"左乘初等矩阵"的框架上。每一步行变换 = 左乘一个初等矩阵 Pᵢ。如果混入列变换，就相当于右乘了某个矩阵——但右乘无法和左乘交换（矩阵乘法不交换！），整个链条 Q = Pₖ...P₁ 就断了——Q 不再等于 A⁻¹。
> 大白话：你是在记录"手对乱码盘做的动作"（行操作），镜子也只认得这一种动作。如果突然用脚踩了一个踏板（列操作），镜子不会记录——因为这个系统设计时就没考虑脚的动作。所以右边的记录就会出错。
##### 📝 方法复盘
初等变换法的核心逻辑两句话：(1) 行变换 = 左乘初等矩阵；(2) 把 A 变成 E 的那串初等矩阵之积 = A⁻¹。右边的 E 只是"见证者"，它被同样的初等矩阵作用，自然就变成了 A⁻¹。
**这个方法为什么是 3 阶及以上的首选？** 因为不用算任何行列式——伴随矩阵法要算 n² 个 n-1 阶行列式（计算量爆炸，见前面伴随矩阵一节）；而初等变换法只需要一步步消元，计算量可控。
##### ⚠️ 易错边界
| 误区 | 正确理解 |
|------|----------|
| "行变换和列变换混着做也能求逆" | **绝对不能。** 这个方法的数学基础是 Q=Pₖ...P₁A，只涉及左乘。列变换 = 右乘，会破坏等式 |
| "做到一半左边某行全变 0 → 再换行继续" | 某行全变 0 说明 A 不可逆（|A|=0）。换行也没用——秩已经亏了，化不成 E。应直接下结论"不可逆" |
| "先做行变换再做列变换也行" | 不行。行变换和列变换不能在同一流程里混用——只有先全部做完行变换（或全部做完列变换）得到的才是逆矩阵 |
| "右边变出来的矩阵不用验证" | 做完最好随手验证 A×A⁻¹=E。初等变换计算量大，一步算错全盘皆输 |
---
> 🛑 **停下来想一想**：求逆有"影响力报告法"（伴随矩阵）和"拼图法"（初等变换）两条路。面对一个 4 阶矩阵你会走哪条？为什么用初等变换法求逆时"只能动行、绝不能动列"？
> 💡 **阅读思考题**
>
> **❶ 理解检测** — 用"魔术师把兔子变成帽子、旁边镜子同步倒放"的比喻，说清楚 (A|E)→(E|A⁻¹) 这个过程里，右边为什么最后会自动变成逆矩阵。
>
> **❷ 深度思考** — 如果做到一半，左边某一整行都变成了 0，这说明了什么？它对应"逆矩阵到底存不存在"的哪个结论？
>
> **❸ 考试演练** — 用初等行变换求 A=$\begin{bmatrix} 1 & 1 \\ 2 & 3 \end{bmatrix}$ 的逆矩阵（写出 (A|E) 到 (E|A⁻¹) 的关键几步）。
📖 点击查看参考答案
**🛑 停下来想一想**：4 阶走"拼图法"（初等变换）——伴随矩阵法的行列式计算量太大（前面算过那个数），太吓人。只能动行是因为：右边的 E 记录的是"对左边做过的所有行操作"；如果混进列操作，右边就不再忠实记录这套行变换，也就变不成 A⁻¹ 了。
**❶** 魔术师对兔子（A）一步步施法，最终变成帽子（单位矩阵 E）；旁边的镜子（初始是 E）把每一步都同步经历一遍。当兔子变成帽子时，镜子里映出的就是整套魔术的"倒放说明书"——也就是逆矩阵 A⁻¹。数学上：每一步行变换等于左乘一个初等矩阵，把 A 变成 E 的那串初等矩阵之积，正好就是 A⁻¹，而它同样作用在右边的 E 上，就把 E 变成了 A⁻¹。
**❷** 左边某一整行变成全 0，说明 A 化不成单位矩阵——即 A **不可逆**（|A|=0）。此时右边算出来也没有意义，应直接下结论"逆矩阵不存在"。
**❸** |A|=1×3−1×2=1≠0，可逆。
(A|E)=$\begin{bmatrix} 1 & 1 & | & 1 & 0 \\ 2 & 3 & | & 0 & 1 \end{bmatrix}$，R₂−2R₁ →$\begin{bmatrix} 1 & 1 & | & 1 & 0 \\ 0 & 1 & | & −2 & 1 \end{bmatrix}$，R₁−R₂ →$\begin{bmatrix} 1 & 0 & | & 3 & −1 \\ 0 & 1 & | & −2 & 1 \end{bmatrix}$。
所以 **A⁻¹=$\begin{bmatrix} 3 & −1 \\ −2 & 1 \end{bmatrix}$**。
**考试易错提醒**：全程只能做行变换，一旦混进列变换右边就废了；分数计算务必细心，一步错步步错。做完随手验一下 A·A⁻¹=E 再心安。
---
### 2.13 矩阵方程 —— "解矩阵里的未知数"
> 🔔 **课前激活**（动笔写30秒再往下读）
>
> 普通方程"x + 3 = 5"你会解——两边同时减3就行了。但如果方程变成了"AX = B"——A和B是已知的"数字表格"，X是一个你不知道的"数字表格"——你怎么找到X？基本思路和普通方程一样：把挡在X前面的东西"移走"。但因为矩阵乘法不满足交换律，你要特别小心：是"从左边还是从右边"去移走它？就像拆螺丝——顺时针和逆时针不一样。
**💬 生活比喻**：
普通方程是"x + 3 = 5，求 x"。矩阵方程就是把 x 换成了矩阵 X，把数字换成了矩阵。基本思路和普通方程一样——**移项、合并、除以（乘逆矩阵）**。唯一要注意的是：矩阵乘法不满足交换律，所以"除"的时候要分清楚是左乘逆矩阵还是右乘逆矩阵。
> #### 先试着解一道"真实"的矩阵方程，看你会卡在哪一步
>
> 看到这题，先别慌。要解方程：AX = B，其中 A = $\begin{bmatrix} 2 & 1 \\ 1 & 1 \end{bmatrix}$，B = $\begin{bmatrix} 5 \\ 3 \end{bmatrix}$（列向量）。
>
> **难在哪？** 普通方程 x·a = b，两边除以 a 就行。可矩阵方程里，A 和 X 是**相乘**的关系——"除以 A"是什么意思？又因为矩阵乘法**不交换**（2.5 节），"乘 A⁻¹"还得分清是从左边乘还是从右边乘！
>
> 动手试探：A 在 X 的**左边**（是 AX，不是 XA）。要"消掉"A，就得让 A⁻¹ 紧挨着 A——所以只能在**最左边**乘 A⁻¹：
> ```
> AX = B
> A⁻¹AX = A⁻¹B
> X = A⁻¹B
> ```
> 先求 A⁻¹：|A| = 2×1 − 1×1 = 1，二阶口诀"主对调，次变号，除以行列式" → A⁻¹ = $\begin{bmatrix} 1 & −1 \\ −1 & 2 \end{bmatrix}$。于是：
> ```
> X = A⁻¹B = $\begin{bmatrix} 1 & −1 \\ −1 & 2 \end{bmatrix}$ × $\begin{bmatrix} 5 \\ 3 \end{bmatrix}$ = $\begin{bmatrix} 1\times 5+(−1)\times 3 \\ (−1)\times 5+2\times 3 \end{bmatrix}$ = $\begin{bmatrix} 2 \\ 1 \end{bmatrix}$
> ```
> 解得 x₁ = 2，x₂ = 1。
>
> 🔍 **回头看看**：关键就一句话——**逆矩阵只能从"原矩阵所在的那一侧"贴上去**。A 在 X 左边，A⁻¹ 就必须从左边乘（A⁻¹AX）；要是在右边乘，A⁻¹ 和 A 隔着 X，根本碰不到面，消不掉。
**📖 三种基本形式**：
| 方程形式 | 解法 | 注意 |
|----------|------|------|
| AX = B（A 可逆） | X = A⁻¹B | A⁻¹**左乘** B |
| XA = B（A 可逆） | X = BA⁻¹ | A⁻¹**右乘** B |
| AXB = C（A、B 可逆） | X = A⁻¹CB⁻¹ | 左右各乘一个逆矩阵 |
**📝 例子**：
解矩阵方程 AX = B，其中：
```
A = [2 1] B = [5]
[1 1] [3]
```
先求 A⁻¹：|A| = 2-1 = 1，A⁻¹ = $\begin{bmatrix} 1 & -1 \\ -1 & 2 \end{bmatrix}$（主对调次变号除以行列式）
所以 X = A⁻¹B = $\begin{bmatrix} 1 & -1 \\ -1 & 2 \end{bmatrix}$ × $\begin{bmatrix} 5 \\ 3 \end{bmatrix}$ = $\begin{bmatrix} 2 \\ 1 \end{bmatrix}$
即 x₁ = 2, x₂ = 1。
> ⭐⭐ 高频考点
> ✍️ **立刻练一道**（检验"从哪边贴 A⁻¹"）：解矩阵方程 AX = B，其中 A = $\begin{bmatrix} 1 & 2 \\ 3 & 4 \end{bmatrix}$，B = $\begin{bmatrix} 5 & 6 \\ 7 & 8 \end{bmatrix}$。先判断 A⁻¹ 该乘在哪边，再算 X，最后代回验证。
>
>
📖 点击看答案
>
> A 在 X 左边 → A⁻¹ **左乘** B。|A| = 1×4−2×3 = −2，A⁻¹ = $\begin{bmatrix} 4 & −2 \\ −3 & 1 \end{bmatrix}$/(−2) = $\begin{bmatrix} −2 & 1 \\ 1.5 & −0.5 \end{bmatrix}$。X = A⁻¹B = $\begin{bmatrix} −2 & 1 \\ 1.5 & −0.5 \end{bmatrix}$×$\begin{bmatrix} 5 & 6 \\ 7 & 8 \end{bmatrix}$ = $\begin{bmatrix} −10+7 & −12+8 \\ 7.5−3.5 & 9−4 \end{bmatrix}$ = $\begin{bmatrix} −3 & −4 \\ 4 & 5 \end{bmatrix}$。验证：AX = $\begin{bmatrix} 1 & 2 \\ 3 & 4 \end{bmatrix}$×$\begin{bmatrix} −3 & −4 \\ 4 & 5 \end{bmatrix}$ = $\begin{bmatrix} −3+8 & −4+10 \\ −9+16 & −12+20 \end{bmatrix}$ = $\begin{bmatrix} 5 & 6 \\ 7 & 8 \end{bmatrix}$ = B ✓（这就是题2-6）。
>
>
---
#### 🎯 方法原理：矩阵方程三种形式的解法 —— "从哪边脱外套"为什么不能搞错？
##### 🧃 场景
X 是一个"底牌"——你不知道它长什么样。题目告诉你：底牌 X 左边贴了外套 A、右边贴了外套 B，变成结果 C。要看到底牌 X，你得一层层脱外套。但关键问题是：外套贴在左边还是右边，决定了**从哪一头伸手去脱**——左边贴的从左边脱，右边贴的从右边脱。搞错方向，手伸得再长也摸不到扣子。
##### 📐 推导过程
**第1步：AX = B（外套在左边）**
方程两边同时在**最左边**乘上 A⁻¹：
```
AX = B
A⁻¹(AX) = A⁻¹B ← A⁻¹ 从左边贴上去
(A⁻¹A)X = A⁻¹B ← 结合律：A⁻¹ 先和 A 碰面、抵消
E·X = A⁻¹B
X = A⁻¹B ← 答案
```
A⁻¹ 乘在 B 的**左边**——因为 A 原来就在 X 的左边，A⁻¹ 只能从同一侧"贴上去"才能碰到 A。
> 大白话：外套 A 套在 X 左边。要脱它，手得从左边伸过去——把 A⁻¹ 贴在等式**左边**。等式必须平衡：左边贴 A⁻¹，右边也得在左边贴 A⁻¹。
**第2步：XA = B（外套在右边）**
方程两边同时在**最右边**乘上 A⁻¹：
```
XA = B
(XA)A⁻¹ = BA⁻¹ ← A⁻¹ 从右边贴上去
X(AA⁻¹) = BA⁻¹ ← 结合律：A⁻¹ 和 A 在右边碰面
X·E = BA⁻¹
X = BA⁻¹ ← 答案
```
注意！这里 A⁻¹ 乘在 B 的**右边**——因为 A 在 X 的右边。方向和第一步刚好相反。
> 大白话：外套 A 套在 X 右边。手得从右边伸——A⁻¹ 贴在等式**右边**。等式平衡：右边贴 A⁻¹，左边也得在右边贴 A⁻¹。方向搞反 = 摸不到扣子。
**第3步：AXB = C（两边都有外套）**
两边各从对应的方向脱：
```
AXB = C
A⁻¹(AXB)B⁻¹ = A⁻¹CB⁻¹ ← 左边左乘 A⁻¹，右边右乘 B⁻¹
(A⁻¹A)X(BB⁻¹) = A⁻¹CB⁻¹
E·X·E = A⁻¹CB⁻¹
X = A⁻¹CB⁻¹ ← 答案
```
> 大白话：X 被 A 和 B 一左一右夹在中间。左边贴的 A⁻¹ 从左边上，右边贴的 B⁻¹ 从右边上——各脱各的，互不干扰。
**第4步：为什么方向绝对不能搞错？**
根本原因还是矩阵乘法**不满足交换律**。A⁻¹ 必须紧挨着 A 才能抵消（A⁻¹A = E）。如果把 A⁻¹ 乘在错误的一侧：
```
AX = B → 写成 X = BA⁻¹（错误！）
```
A⁻¹ 在最右边，A 在最左边——它们隔着 X，根本碰不到对方，无法抵消。验证：如果 X = BA⁻¹，则 AX = A(BA⁻¹) = (AB)A⁻¹ ≠ B（除非 AB = BA，但一般不等于）。
> 大白话：就像螺丝在左边，你拿扳手去右边拧——拧一辈子也拧不到。逆矩阵这把"解锁器"只能从它挡着的那一侧插进去。
##### 📝 方法复盘
矩阵方程解法的核心一句话：**逆矩阵从哪边贴上去，取决于原矩阵在哪边**。口诀："A 在左，左乘 A⁻¹；A 在右，右乘 A⁻¹；两边夹，两边乘。"
考试最实用的判据：先别急着算，先在手边写下"A 在 X 的哪边？"——写下左边就左乘，写下右边就右乘。这一步比任何计算都重要。
##### ⚠️ 易错边界
| 误区 | 正确理解 |
|------|----------|
| "AX=B → X=BA⁻¹" | **方向反了！** A 在左边 → A⁻¹ 也应左乘，X = A⁻¹B |
| "左右随便，反正乘法不交换结果一样" | 正是因为不交换，所以方向才至关重要。方向一反，结果完全不同 |
| "AXB=C → X=B⁻¹CA⁻¹" | 左右倒序了。正确：先左贴 A⁻¹、再右贴 B⁻¹ → X = A⁻¹CB⁻¹ |
| "两边同时左乘或同时右乘都一样" | **不一样！** 要分别判断：A 在左边→左边处理；B 在右边→右边处理 |
---
> 🛑 **停下来想一想**：解 AX=B 时，为什么答案是 X=A⁻¹B，而不是 X=BA⁻¹？"从左边脱外套"和"从右边脱外套"能不能随便挑一个？
> 💡 **阅读思考题**
>
> **❶ 理解检测** — 用"给 X 脱掉 A 这件外套"的比喻，说清楚 AX=B 与 XA=B 这两种情况下，A⁻¹ 分别该乘在 B 的哪一边，为什么。
>
> **❷ 深度思考** — 日程里"先开会（操作 A）"把你的初始状态 X 变成了结果 B。要倒推出 X，你得从哪一头开始"撤销"？把这个直觉对应到 AX=B → X=A⁻¹B。
>
> **❸ 考试演练** — 设 A=$\begin{bmatrix} 2 & 0 \\ 0 & 1 \end{bmatrix}$，B=$\begin{bmatrix} 4 & 2 \\ 3 & 1 \end{bmatrix}$，解矩阵方程 XA=B。
📖 点击查看参考答案
**🛑 停下来想一想**：因为矩阵乘法不交换，A⁻¹ 只能从"A 所在的那一侧"贴上去消掉 A。AX=B 中 A 在 X 左边，就在两边最左侧乘 A⁻¹：A⁻¹AX=A⁻¹B → X=A⁻¹B。左右绝不能随便挑——挑错方向答案就全错。
**❶** AX=B：A 像穿在 X 左边的外套，要脱它就从左边下手，A⁻¹ 乘在 B 的**左边**，X=A⁻¹B。XA=B：A 穿在 X 右边，从右边脱，A⁻¹ 乘在 B 的**右边**，X=BA⁻¹。口诀：A 在哪边，A⁻¹ 就从哪边贴上去。
**❷** "先开会"这个操作作用在初始状态的左边（A 在 X 左边），要倒推就得先"撤销最外层、最靠近结果的那一步"——从左边用 A⁻¹ 消掉 A，正好对应 X=A⁻¹B。
**❸** A 可逆，A⁻¹=$\begin{bmatrix} 1/2 & 0 \\ 0 & 1 \end{bmatrix}$。XA=B 中 A 在 X 右边，所以 A⁻¹ 要**右乘** B：
X=BA⁻¹=$\begin{bmatrix} 4 & 2 \\ 3 & 1 \end{bmatrix}$×$\begin{bmatrix} 1/2 & 0 \\ 0 & 1 \end{bmatrix}$=$\begin{bmatrix} 2 & 2 \\ 1.5 & 1 \end{bmatrix}$。
**考试易错提醒**：XA=B 若写成 X=A⁻¹B 就方向反了（结果会算成 $\begin{bmatrix} 2 & 1 \\ 3 & 1 \end{bmatrix}$，错）。判断方向的唯一依据是"A 原来在 X 的哪一边"，跟 B 长什么样无关。
---
### 2.14 方阵的幂 —— "反复做同一件事"
> 🔔 **课前激活**（动笔写30秒再往下读）
>
> 你有一台复印机，把一张纸放进去复印，出来一张复印件。如果把复印件再放回复印机复印，再来一次——反复20次之后，最后的复印件跟最初的纸还一样吗？会不会越来越模糊（趋于零）？还是保持某个比例？还是完全变成另一种东西？矩阵也有"自己乘自己很多次"的操作——结果有时候很简单（对角矩阵直接各自乘方），有时候能"归零"，有时候会"趋于稳定"。你能猜到哪种矩阵自己乘很多次会变成零吗？
**💬 生活比喻**：
每天早上做同样一套动作：起床→刷牙→吃早饭。做一天就是 A，做两天就是 A²（"刷牙"操作做两次没意义，但数学上就是 A×A）。
**矩阵的幂** Aᵏ 就是矩阵 A 自己乘自己 k 次。
> #### 先动手算几个"幂"，看看能不能找到一条不硬乘的路
>
> 看到这题，先别慌。已知 A = $\begin{bmatrix} 1 & 2 \\ 0 & 1 \end{bmatrix}$，要你求 Aⁿ（n 是任意正整数）。
>
> **难在哪？** 直接硬乘？A¹⁰⁰ 得乘 99 次，人早疯了。**一定有什么规律，得先算几个小的把它找出来。**
>
> 动手试探：
> ```
> A² = $\begin{bmatrix} 1 & 2 \\ 0 & 1 \end{bmatrix}$×$\begin{bmatrix} 1 & 2 \\ 0 & 1 \end{bmatrix}$ = $\begin{bmatrix} 1\times 1+2\times 0 & 1\times 2+2\times 1 \\ 0\times 1+1\times 0 & 0\times 2+1\times 1 \end{bmatrix}$ = $\begin{bmatrix} 1 & 4 \\ 0 & 1 \end{bmatrix}$
> A³ = A²×A = $\begin{bmatrix} 1 & 4 \\ 0 & 1 \end{bmatrix}$×$\begin{bmatrix} 1 & 2 \\ 0 & 1 \end{bmatrix}$ = $\begin{bmatrix} 1\times 1+4\times 0 & 1\times 2+4\times 1 \\ 0\times 1+1\times 0 & 0\times 2+1\times 1 \end{bmatrix}$ = $\begin{bmatrix} 1 & 6 \\ 0 & 1 \end{bmatrix}$
> A⁴ = A³×A = $\begin{bmatrix} 1 & 6 \\ 0 & 1 \end{bmatrix}$×$\begin{bmatrix} 1 & 2 \\ 0 & 1 \end{bmatrix}$ = $\begin{bmatrix} 1 & 8 \\ 0 & 1 \end{bmatrix}$
> ```
> 🔍 **回头看看**：发现了吗——**右上角的数字 2、4、6、8 每乘一次涨 2**！所以 Aⁿ 的右上角是 2n，其余位置不变：**Aⁿ = $\begin{bmatrix} 1 & 2n \\ 0 & 1 \end{bmatrix}$**。你算对了 A¹⁰⁰ = $\begin{bmatrix} 1 & 200 \\ 0 & 1 \end{bmatrix}$，连 10 秒都不用。这种"先算小的、看出规律、再推大的"就是求高次幂的第一招；第二招"拆成 E+B"写在下面的核心技巧里。
**📖 定义**：
Aᵏ = A × A × ... × A（k 个 A 相乘）
规定 A⁰ = E（任何方阵的 0 次方等于单位矩阵）。
**🔑 特殊矩阵的幂**：
- 对角矩阵的幂：对角线元素各自乘方
- (E + B)ⁿ 在 B² = 0（或 Bᵏ = 0 对某个 k）时可用二项式展开简化（前提：E 与 B 可交换——E 是单位阵，和任何矩阵都可交换，所以 (E+B)ⁿ 才能这样展开）
- 秩为 1 的矩阵的幂：Aᵏ = (vᵀu)ᵏ⁻¹ × A（🔮 用到"秩"（2.15 节）和向量内积，第一遍可跳过；就是 2.5.5 模式4 的推广）
> ⭐⭐ 高频考点——常结合对角矩阵、秩为 1 的矩阵来考
> ✍️ **立刻练一道**（用刚悟出的"先算小的找规律"）：已知 A = $\begin{bmatrix} 1 & 1 \\ 0 & 1 \end{bmatrix}$，求 Aⁿ（n 为正整数）。
>
>
📖 点击看答案
>
> 先算小的：A² = $\begin{bmatrix} 1 & 2 \\ 0 & 1 \end{bmatrix}$，A³ = $\begin{bmatrix} 1 & 3 \\ 0 & 1 \end{bmatrix}$，A⁴ = $\begin{bmatrix} 1 & 4 \\ 0 & 1 \end{bmatrix}$——右上角每乘一次涨 1，所以 Aⁿ = $\begin{bmatrix} 1 & n \\ 0 & 1 \end{bmatrix}$。也可以拆成 A = E + $\begin{bmatrix} 0 & 1 \\ 0 & 0 \end{bmatrix}$，而那个小矩阵的平方是零，二项式展开只剩两项，同样得到 Aⁿ = $\begin{bmatrix} 1 & n \\ 0 & 1 \end{bmatrix}$（这正是知识块A里的题2-7）。
>
>
---
#### 🎯 解题方法
### 题型B：求逆矩阵
> 🔔 **课前激活**（动笔写30秒再往下读）
>
> 你有一把锁和一把钥匙——锁是矩阵A，钥匙是逆矩阵A⁻¹。现在给你两种"配钥匙"的方法：一种靠算每个零件的影响力（伴随矩阵法），另一种是把锁和一把标准钥匙并排放在一起，同时打磨直到锁变成标准锁（初等变换法）。给你一个2阶小锁和一个4阶大锁——你会为它们各选哪种配钥匙方法？为什么？
这是考研大题中出场率最高的一类。有两种主流方法，要根据情况选。
> #### 先看你要"配钥匙"的两把锁，判断该用哪把"钥匙机"
>
> 看到这题，先别慌。桌上有两把锁：一把是 **2 阶小锁** A = $\begin{bmatrix} 2 & 5 \\ 1 & 3 \end{bmatrix}$，一把是 **4 阶大锁**。你手头有两台"配钥匙机"：
> - **伴随矩阵机**：要算一堆代数余子式（阶数一高就爆炸，同前面）——小锁还行，大锁直接累死。
> - **初等变换机**：(A|E) 一路消元，4 阶也就十几步行变换，机械、不容易错。
>
> **难在哪？** 两把锁，两台机器——**到底该给哪把锁配哪台机器，凭什么？**
>
> 动手试探：先拿小锁走"伴随矩阵机"（2.11 节刚学的二阶口诀）：|A| = 2×3−5×1 = 1，主对调、次变号、除以行列式 → A⁻¹ = $\begin{bmatrix} 3 & −5 \\ −1 & 2 \end{bmatrix}$，5 秒出结果。再想象大锁走伴随矩阵机——那计算量（同前面）算到怀疑人生。换初等变换机就舒服多了。
>
> 🔍 **回头看看**：选择标准一目了然——**阶数**。2 阶、3 阶数字简单 → 伴随矩阵法（口诀秒杀）；3 阶以上 → 初等变换法（计算量可控）。这就是题型B的"二选一"逻辑，下面两个子题型分别是两台机器的使用说明。
#### 题型B-1：伴随矩阵法（适合 2 阶和 3 阶）
**🎯 识别特征**：给的矩阵是 2 阶或 3 阶，数字不复杂。
**📋 解题步骤**：
```
第1步：计算行列式 |A|
第2步：判断 → |A| = 0 吗？=0 则不可逆，题目可能在坑你
第3步：算伴随矩阵 A*（二阶用口诀，三阶逐列算代数余子式）
第4步：A⁻¹ = A* / |A|
第5步：（可选）验证：A × A⁻¹ 是否 = E？
```
**二阶口诀**："主对调，次变号，除以行列式"
**三阶方法**：逐列计算代数余子式，然后**转置排列**。
- 第1步：对每个位置 (i,j) 计算代数余子式 Aᵢⱼ（划去第i行第j列，算剩下2阶行列式，乘上 (-1)^(i+j)）
- 第2步：把 Aᵢⱼ 放到**转置位置** (j,i) 组成 A*
- ⚠️ 最容易错：算完代数余子式后**必须转置**！A* 的第 i 行第 j 列 = Aⱼᵢ（不是 Aᵢⱼ）
#### 配套练习
#### 题2-2 ⭐ 基础 | 用模板B-1（伴随矩阵法求逆——二阶）
求 A = $\begin{bmatrix} 2 & 5 \\ 1 & 3 \end{bmatrix}$ 的逆矩阵。
📖 点击查看答案
**口诀**：主对调，次变号，除以行列式。
|A| = 2×3 - 5×1 = 6 - 5 = 1
A⁻¹ = 1/1 × [3 -5] = [3 -5]
[-1 2] [-1 2]
验证：A × A⁻¹ = $\begin{bmatrix} 2 & 5 \\ 1 & 3 \end{bmatrix}$ × $\begin{bmatrix} 3 & -5 \\ -1 & 2 \end{bmatrix}$ = $\begin{bmatrix} 6-5 & -10+10 \\ 3-3 & -5+6 \end{bmatrix}$ = $\begin{bmatrix} 1 & 0 \\ 0 & 1 \end{bmatrix}$ = E ✓
✅ 答案：A⁻¹ = $\begin{bmatrix} 3 & -5 \\ -1 & 2 \end{bmatrix}$
> 本题使用模板B-1：伴随矩阵法求逆（二阶）。
---
#### 题2-3 ⭐ 基础 | 用模板B-1（对角捷径求逆——三阶对角矩阵）
求 A = $\begin{bmatrix} 1 & 0 & 0 \\ 0 & 2 & 0 \\ 0 & 0 & 3 \end{bmatrix}$ 的逆矩阵。
📖 点击查看答案
这是一个**对角矩阵**！
对角矩阵的逆 = 对角线各元素取倒数：
A⁻¹ = $\begin{bmatrix} 1 & 0 & 0 \\ 0 & 1/2 & 0 \\ 0 & 0 & 1/3 \end{bmatrix}$
验证：A × A⁻¹ = $\begin{bmatrix} 1\times 1 & 0 & 0 \\ 0 & 2\times (1/2) & 0 \\ 0 & 0 & 3\times (1/3) \end{bmatrix}$ = $\begin{bmatrix} 1 & 0 & 0 \\ 0 & 1 & 0 \\ 0 & 0 & 1 \end{bmatrix}$ = E ✓
> 💡 看到对角矩阵不用老老实实算伴随矩阵——对角线取倒数就行！
> 本题使用模板B-1：伴随矩阵法求逆（三阶）。但实际用对角矩阵的特殊性质更快。
---
#### 题2-19 ⭐ 基础 | 用模板B-1（伴随矩阵法求逆——二阶）
用二阶口诀求 A = $\begin{bmatrix} 4 & 3 \\ 3 & 2 \end{bmatrix}$ 的逆矩阵，并用乘法验证。
📖 点击查看答案
**口诀**：主对调，次变号，除以行列式。
**第1步**：算行列式。
|A| = 4×2 - 3×3 = 8 - 9 = **-1**
**第2步**：主对角线对调（4 和 2 互换），次对角线变号（3 变成 -3，3 变成 -3）。
```
A* = [2 -3]
[-3 4]
```
**第3步**：除以行列式。
```
A⁻¹ = A*/|A| = [2 -3] / (-1) = [-2 3]
[-3 4] [ 3 -4]
```
**验证**：
```
A × A⁻¹ = [4 3] × [-2 3] = [4×(-2)+3×3 4×3+3×(-4)] = [-8+9 12-12] = [1 0] = E ✓
[3 2] [ 3 -4] [3×(-2)+2×3 3×2+2×(-4)] [-6+6 9-8 ] [0 1]
```
✅ 答案：A⁻¹ = $\begin{bmatrix} -2 & 3 \\ 3 & -4 \end{bmatrix}$
> 💡 行列式为 -1 时，A⁻¹ 恰好等于 -A*（因为除以 -1 相当于取反）。注意符号不要搞错——次对角线变号后，再整体除以行列式的值。
> 本题使用模板B-1：伴随矩阵法求逆（二阶）。
---
---
#### 题型B-2：初等变换法（适合 3 阶及以上）
**🎯 识别特征**：矩阵 3 阶以上，或虽然 3 阶但数字较复杂。
**📋 解题步骤**：
```
第1步：写出增广矩阵 (A | E)
第2步：做初等行变换，目标把左边变成 E
- 先让 a₁₁ 变成 1（除以 a₁₁，或换行）
- 用第 1 行把下面各行第 1 列消成 0
- 让 a₂₂ 变成 1
- 用第 2 行把下面各行第 2 列消成 0
- 继续……直到左边变成 E
第3步：右边就是 A⁻¹
第4步：如果化到某一步发现某行全变成 0 → A 不可逆
```
**⚠️ 最容易错的地方**：
- 只能做**行变换**，不能行列混用！（如果也做列变换，右边 E 不会自动变 A⁻¹）
- 分数计算别出错——一步错步步错
**📝 典型例题**：
求 A = $\begin{bmatrix} 1 & 2 & 3 \\ 2 & 2 & 1 \\ 3 & 4 & 3 \end{bmatrix}$ 的逆矩阵。（这道题在 2.12 节已经完整做过一遍，这里快速重看步骤即可，重点记住"只能行变换"这条。）
📖 点击展开解答
写出增广矩阵：
```
[1 2 3 | 1 0 0]
[2 2 1 | 0 1 0]
[3 4 3 | 0 0 1]
```
R₂ - 2R₁, R₃ - 3R₁：
```
[1 2 3 | 1 0 0]
[0 -2 -5 | -2 1 0]
[0 -2 -6 | -3 0 1]
```
R₃ - R₂：
```
[1 2 3 | 1 0 0]
[0 -2 -5 | -2 1 0]
[0 0 -1 | -1 -1 1]
```
R₃ × (-1), R₂ ÷ (-2)：
```
[1 2 3 | 1 0 0]
[0 1 2.5| 1 -0.5 0]
[0 0 1 | 1 1 -1]
```
R₂ - 2.5R₃, R₁ - 3R₃, R₁ - 2R₂：
```
[1 0 0 | 1 3 -2]
[0 1 0 | -1.5 -3 2.5]
[0 0 1 | 1 1 -1]
```
所以 A⁻¹ = $\begin{bmatrix} 1 & 3 & -2 \\ -1.5 & -3 & 2.5 \\ 1 & 1 & -1 \end{bmatrix}$
验证：A × A⁻¹ = E ✓
> 本题使用模板B-2：初等变换法求逆。
#### 配套练习
#### 题2-8 ⭐⭐ 中等 | 用模板B-2（初等变换法求逆）
用初等变换法求 A = $\begin{bmatrix} 1 & 2 & 1 \\ 3 & 4 & 2 \\ 1 & 2 & 2 \end{bmatrix}$ 的逆矩阵。
📖 点击查看答案
增广矩阵：
```
[1 2 1 | 1 0 0]
[3 4 2 | 0 1 0]
[1 2 2 | 0 0 1]
```
R₂ - 3R₁, R₃ - R₁：
```
[1 2 1 | 1 0 0]
[0 -2 -1 | -3 1 0]
[0 0 1 | -1 0 1]
```
R₂ ÷ (-2)：
```
[1 2 1 | 1 0 0]
[0 1 0.5| 1.5 -0.5 0]
[0 0 1 | -1 0 1]
```
R₂ - 0.5R₃：
```
[1 2 1 | 1 0 0]
[0 1 0 | 2 -0.5 -0.5]
[0 0 1 | -1 0 1]
```
R₁ - R₃ - 2R₂（分别计算增广部分三列）：
第 4 列：1 - (-1) - 2×2 = 1 + 1 - 4 = -2
第 5 列：0 - 0 - 2×(-0.5) = 0 + 0 + 1 = 1
第 6 列：0 - 1 - 2×(-0.5) = 0 - 1 + 1 = 0
所以：
```
[1 0 0 | -2 1 0]
[0 1 0 | 2 -0.5 -0.5]
[0 0 1 | -1 0 1]
```
✅ A⁻¹ = $\begin{bmatrix} -2 & 1 & 0 \\ 2 & -0.5 & -0.5 \\ -1 & 0 & 1 \end{bmatrix}$
验证：A × A⁻¹ 应 = E（可自行验证）
> 本题使用模板B-2：初等变换法求逆。
---
#### 题2-26 ⭐⭐ 中等 | 用模板B-2（初等变换法求逆——3阶）
用初等变换法求下面矩阵的逆矩阵：
```
A = [1 2 3]
[2 4 5]
[3 5 7]
```
📖 点击查看答案
**第1步**：写出增广矩阵 (A | E)。
```
[1 2 3 | 1 0 0]
[2 4 5 | 0 1 0]
[3 5 7 | 0 0 1]
```
**第2步**：用行变换把左边化为单位矩阵。
R₂ - 2R₁、R₃ - 3R₁：
```
[1 2 3 | 1 0 0]
[0 0 -1 | -2 1 0]
[0 -1 -2 | -3 0 1]
```
交换 R₂ 和 R₃（把非零行换到前面）：
```
[1 2 3 | 1 0 0]
[0 -1 -2 | -3 0 1]
[0 0 -1 | -2 1 0]
```
R₂ × (-1)、R₃ × (-1)：
```
[1 2 3 | 1 0 0]
[0 1 2 | 3 0 -1]
[0 0 1 | 2 -1 0]
```
R₂ - 2R₃：
```
[1 2 3 | 1 0 0]
[0 1 0 | -1 2 -1]
[0 0 1 | 2 -1 0]
```
R₁ - 3R₃：
```
[1 2 0 | -5 3 0]
[0 1 0 | -1 2 -1]
[0 0 1 | 2 -1 0]
```
R₁ - 2R₂：
```
[1 0 0 | -3 -1 2]
[0 1 0 | -1 2 -1]
[0 0 1 | 2 -1 0]
```
**第3步**：右边即为 A⁻¹。
✅ 答案：
```
A⁻¹ = [-3 -1 2]
[-1 2 -1]
[ 2 -1 0]
```
**验证**（心算检查）：
A × A⁻¹ 第 1 行第 1 列 = 1×(-3) + 2×(-1) + 3×2 = -3 - 2 + 6 = 1 ✓
A × A⁻¹ 第 1 行第 2 列 = 1×(-1) + 2×2 + 3×(-1) = -1 + 4 - 3 = 0 ✓
> 💡 这道题中 |A| = -1，恰好使得逆矩阵的每个元素都是整数。计算过程中要注意：(1) 如果某一步出现全零行，说明原矩阵不可逆；(2) 行变换只能"行与行之间"做，不能行列混用；(3) 每次变换后检查左边是否朝单位阵的方向前进了。
> 本题使用模板B-2：初等变换法求逆。
---
---
---
#### 🪜 半扶练习：你来把左边磨成 E（初等变换求逆）
用"锁和钥匙并排打磨"的初等变换法求 A⁻¹。第一步和关键提示都给你了，剩下的你来做。
A = $\begin{bmatrix} 1 & 1 & 0 \\ 0 & 1 & 1 \\ 0 & 0 & 1 \end{bmatrix}$。
> **已给的框架**：写出增广矩阵 (A | E)——左边是锁 A，右边是标准钥匙 E：
>
> $\begin{bmatrix} 1 & 1 & 0 & | & 1 & 0 & 0 \\ 0 & 1 & 1 & | & 0 & 1 & 0 \\ 0 & 0 & 1 & | & 0 & 0 & 1 \end{bmatrix}$
>
> 只做**行变换**（切记不能行列混用！），把左边磨成 E，右边就自动变成 A⁻¹。
>
> 第一步替你做：R₂ - R₃（用第 3 行把第 2 行末尾的 1 消成 0）→ 第 2 行变成 `[0 1 0 | 0 1 -1]`。
>
> **轮到你**：现在左边第 2 行已是 [0 1 0]。第 1 行还多一个 1（在第 2 列）——该做哪一步行变换消掉它？做完后右边第 1 行是什么？
📖 点击查看答案
接着做 R₁ - R₂（用刚处理好的第 2 行，把第 1 行第 2 列的 1 消成 0）：
第 1 行右边 = [1,0,0] - [0,1,-1] = [1,-1,1]，所以第 1 行变成 `[1 0 0 | 1 -1 1]`。
此时左边已是 E，右边就是答案：A⁻¹ = $\begin{bmatrix} 1 & -1 & 1 \\ 0 & 1 & -1 \\ 0 & 0 & 1 \end{bmatrix}$。
✅ 可自己乘一遍验证 A × A⁻¹ = E。这就是"例题看全套 → 半扶补关键步 → 独立做"的中间台阶。
---
---
#### 🚫 先别看答案，找找茬
下面是一个同学用"二阶口诀"求逆的过程。**先别看答案，找出他哪里把口诀用错了。**
题目：求 A = $\begin{bmatrix} 3 & 1 \\ 5 & 2 \end{bmatrix}$ 的逆矩阵。
> **那位同学的"解法"**：口诀是"主对调，次变号，除以行列式"。|A| = 3×2 - 1×5 = 1。所以 A⁻¹ = $\begin{bmatrix} 3 & -1 \\ -5 & 2 \end{bmatrix}$ / 1 = $\begin{bmatrix} 3 & -1 \\ -5 & 2 \end{bmatrix}$。
📖 点击查看错误分析与正解
**错在哪**：他把口诀记串了！"**主对调**"是把主对角线上的两个数（3 和 2）**互换位置**；"**次变号**"是把次对角线上的两个数（1 和 5）**变号**。他却让主对角线原样不动、只给次对角线变号——"主对调"那一步漏做了。
**正确做法**：
主对调：3 和 2 换位 → 主对角线变成 [2, 3]；
次变号：1 变 -1，5 变 -5；
所以伴随部分是 $\begin{bmatrix} 2 & -1 \\ -5 & 3 \end{bmatrix}$，再除以 |A| = 1。
A⁻¹ = $\begin{bmatrix} 2 & -1 \\ -5 & 3 \end{bmatrix}$。
✅ 验证：$\begin{bmatrix} 3 & 1 \\ 5 & 2 \end{bmatrix}$×$\begin{bmatrix} 2 & -1 \\ -5 & 3 \end{bmatrix}$ = $\begin{bmatrix} 6-5 & -3+3 \\ 10-10 & -5+6 \end{bmatrix}$ = $\begin{bmatrix} 1 & 0 \\ 0 & 1 \end{bmatrix}$ ✓。正确答案是 $\begin{bmatrix} 2 & -1 \\ -5 & 3 \end{bmatrix}$，不是 $\begin{bmatrix} 3 & -1 \\ -5 & 2 \end{bmatrix}$。
**教训**：二阶口诀"主对调、次变号"两步都不能漏——主对角线要**换位**，次对角线要**变号**。
---
---
#### 知识块B（逆矩阵与矩阵方程）：两种求逆方法的对比与选择策略
这是很多同学的困惑点——两种方法都会，但考试时不知道该用哪个。
| 对比 | 伴随矩阵法 | 初等变换法 |
|------|------------|------------|
| **适合阶数** | 2阶（口诀秒杀）、3阶 | 3阶及以上，所有阶数 |
| **计算量** | 3阶要算9个2阶行列式 | 统一做行变换 |
| **出错风险** | 容易忘记转置 | 容易算错分数 |
| **含参数** | 不太方便（行列式含参数讨论） | 可以用（但要讨论分母） |
| **考试建议** | 2阶首选，3阶可接受 | 3阶及以上首选 |
**选择策略**：
- 2 阶方阵 → **必用伴随矩阵法**（"主对调，次变号，除以行列式"）——5秒出结果
- 3 阶且数字简单 → **伴随矩阵法也可以**（但初等变换法更稳妥）
- 3 阶以上 → **必须用初等变换法**（伴随矩阵法要算太多行列式，不现实）
- 含参数的矩阵求逆 → **初等变换法**更可控（但要讨论参数取值）
**📝 提速建议**：把二阶口诀练到肌肉记忆——看到 $\begin{bmatrix} a & b \\ c & d \end{bmatrix}$ 立刻写出 $\begin{bmatrix} d & -b \\ -c & a \end{bmatrix}$/(ad-bc)，不需要思考。考试中能省下 1-2 分钟。
#### 知识块B（逆矩阵与矩阵方程）：抽象矩阵求逆——"凑定义"法
当题目给的不是具体数字，而是矩阵满足某个方程时（如 A² + A - 2E = 0），求逆矩阵的方法叫"凑定义法"。
> #### 先算一道：已知 A² + A - 2E = 0，怎么求 A⁻¹？
>
> 看到这题，先别慌。前面几节求逆都有具体的数字矩阵——伴随矩阵法要算行列式、初等变换法要把 (A|E) 磨成 (E|A⁻¹)。可这道题**一个数字都没有**，只给了 A 满足的一个方程。手里没数字，"通用配方"还能往哪儿套？
>
> **难在哪？** 没有数字可算，就只剩逆矩阵的**定义**能指望：AB = E 时，B 就是 A⁻¹。所以思路不是"算"，而是从方程里把 E **"凑"出来**。
>
> 动手试探：方程里 A² 和 A 两项，**都含公因子 A**。把它们提出来，把 -2E 移到等号另一边：
> ```
> A(A + E) = 2E
> ```
> 再"除以 2"（写成矩阵乘法的样子）：
> ```
> A · [(A + E)/2] = E
> ```
>
> 🔍 **回头看看**：对照定义 AB = E——这里的 A 还是原来的 A，而 B 是 (A + E)/2。所以 **A⁻¹ = (A + E)/2**！一个数字没算，全靠"凑"出 AB = E。这个方法就叫**"凑定义"法**。下面把通用步骤正式写下来。
**核心思路**：从方程中"凑"出 AB = E 的形式。
**📋 步骤**：
```
第1步：把已知方程重新排列，让某一项变成某个矩阵乘以另一个矩阵
第2步：尝试提取公因子，看能否写成 X·Y = kE 的形式
第3步：变形为 X·(Y/k) = E → Y/k 就是 X⁻¹
```
**📝 经典例子**：已知 A² + A - 2E = 0，求 A⁻¹ 和 (A + 2E)⁻¹。
提取：A(A + E) = 2E → A · [(A+E)/2] = E → **A⁻¹ = (A+E)/2**
再注意：(A+2E)(A-E) = A² + A - 2E = 0 是**乘积为零**，不是"乘积等于 E"，所以它不能直接给出 (A+2E) 的逆。(A+2E) 是否可逆取决于具体的 A——例如 A = E 时（满足方程）A+2E = 3E 可逆；A = -2E 时（也满足方程）A+2E = 0 不可逆。所以这道题里 (A+2E)⁻¹ 不能一般地求出来。
**💡 这告诉我们**：抽象求逆题只有凑出 X·Y = E 的形式才有确定答案（答案往往以 A 的多项式形式出现）；遇到 (A+2E)(A-E) = 0 这种"乘积为零"的式子推不出逆矩阵，答案要看具体的 A。
> ✍️ **立刻练一道**（用刚悟出的"凑定义"法）：已知 A² - 3A + 2E = 0，求 A⁻¹。
>
>
📖 点击看答案
>
> 提公因子：A² - 3A = A(A - 3E)，把方程改写成 A(A - 3E) = -2E。两边同乘 -1/2，凑成 A · [(3E - A)/2] = E，所以 **A⁻¹ = (3E - A)/2**。验证：A⁻¹ · A = (3A - A²)/2，而由方程 A² - 3A = -2E 得 3A - A² = 2E，所以 (3A - A²)/2 = E ✓（可自取 A = E 或 A = 2E 代入方程验算，都满足）。
>
>
#### 配套练习
#### 题2-31 ⭐⭐⭐ 综合 | 用模板B综合（伴随矩阵核心公式）
设 A 为 3 阶方阵，行列式 |A| = 2。A* 是 A 的伴随矩阵。
(1) 证明：(A*)⁻¹ = A / |A|（即伴随矩阵的逆 = A 除以行列式）。
(2) 求 |(A*)*|（即伴随矩阵的伴随矩阵的行列式）。
(3) 求 |3A⁻¹ - 2A*|。
📖 点击查看答案
**(1) 证明 (A*)⁻¹ = A/|A|。**
出发点：伴随矩阵的核心公式 A·A* = A*·A = |A|·E。
由 A*·A = |A|·E，两边同时左乘 (A*)⁻¹（A* 可逆吗？|A| = 2 ≠ 0，所以 A 可逆。而 A* = |A|·A⁻¹ = 2A⁻¹，两个可逆矩阵的乘积也可逆，因此 A* 可逆）：
(A*)⁻¹·A*·A = (A*)⁻¹·|A|·E
→ A = |A|·(A*)⁻¹
→ (A*)⁻¹ = A / |A|
证毕。这个结果很有用：它告诉我们伴随矩阵的逆就是原矩阵除以行列式——非常简洁。
**(2) 求 |(A*)*|。**
(A*)* 是 A* 的伴随矩阵（先求 A 的伴随，再求这个伴随的伴随）。
用伴随矩阵的行列式公式：对任何 n 阶方阵 B，|B*| = |B|ⁿ⁻¹。
已知 n = 3，|A| = 2。
先算 |A*| = |A|³⁻¹ = |A|² = 2² = 4。
再对 A* 用同样的公式：
|(A*)*| = |A*|³⁻¹ = |A*|² = 4² = **16**。
或者用双重代入：|(A*)*| = (|A|ⁿ⁻¹)ⁿ⁻¹ = |A|⁽ⁿ⁻¹⁾² = |A|⁴ = 2⁴ = 16。两种算法一致。
**(3) 求 |3A⁻¹ - 2A*|。**
关键技巧：把 A* 用 A⁻¹ 表示，然后合并同类项。
由核心公式：A* = |A|·A⁻¹ = 2A⁻¹。
代入要计算的表达式：
3A⁻¹ - 2A* = 3A⁻¹ - 2(2A⁻¹) = 3A⁻¹ - 4A⁻¹ = -A⁻¹
所以：
|3A⁻¹ - 2A*| = |-A⁻¹| = (-1)³ × |A⁻¹|（3 阶方阵，提 -1 出来是 (-1)³）
= -1 × (1/|A|) = -1 × (1/2) = **-1/2**。
✅ 答案：(1) 证明见上；(2) |(A*)*| = 16；(3) |3A⁻¹ - 2A*| = -1/2。
> 🎓 **命题思路**：本题三个小问环环相扣——(1) 引出了"伴随矩阵的逆 = A/|A|"这个实用结论；(2) 考察伴随矩阵行列式公式的嵌套使用；(3) 考察 A* 与 A⁻¹ 的转换。这类题在考研中出现频率很高，核心就一个公式：A·A* = |A|·E，几乎所有伴随矩阵的题都从这个公式出发。
> 本题使用模板B综合：伴随矩阵核心公式。
---
#### 题2-14 ⭐⭐⭐ 经典考研题 | 用模板D+B综合
设 A 是 3 阶矩阵，|A| = 3。A 的伴随矩阵为 A*。
(1) 求 |(2A)*|（即 2A 的伴随矩阵的行列式）
(2) 已知 A 的第 1 行元素为 (1, 2, -1)，且 A* 的第 1 列元素为 (1, 1, 0)ᵀ，求 A 的第 2 行和第 3 行满足的条件。
📖 点击查看答案
**(1)** 由伴随矩阵公式：对任何 n 阶方阵 B，|B*| = |B|ⁿ⁻¹。
B = 2A，n = 3：
|(2A)*| = |2A|³⁻¹ = |2A|²
而 |2A| = 2³·|A| = 8×3 = 24（因为 2A = 每行都乘 2 = 3 行各提 2）
所以 |(2A)*| = 24² = 576
✅ 答案(1)：576
**(2)** 由核心公式 A·A* = |A|·E = 3E。
验证一致性：A 的第 1 行 × A* 的第 1 列 = 1×1 + 2×1 + (-1)×0 = 3 = |A| ✓（数据自洽）
设 A 的第 2 行为 (a₂₁, a₂₂, a₂₃)，第 3 行为 (a₃₁, a₃₂, a₃₃)。
由 A·A* = 3E，取第 1 列：
A × (A*的第1列) = (3, 0, 0)ᵀ
即：
- 第 1 行 · (1,1,0)ᵀ = 1+2+0 = 3 ✓（已验证）
- 第 2 行 · (1,1,0)ᵀ = a₂₁ + a₂₂ = 0
- 第 3 行 · (1,1,0)ᵀ = a₃₁ + a₃₂ = 0
所以第 2 行满足 a₂₂ = -a₂₁；第 3 行满足 a₃₂ = -a₃₁。
> 本题综合使用伴随矩阵核心公式 A·A* = |A|·E（模板B）和矩阵方程技巧。
---
#### 题2-15 ⭐⭐⭐ 经典考研题 | 用模板D+B+抽象型
设 A 为 3 阶矩阵，|A| = 2。A* 为 A 的伴随矩阵。
求 |(3A)⁻¹ - 2A*|。
📖 点击查看答案
先化简表达式：
A⁻¹ = A*/|A| = A*/2 → A* = 2A⁻¹
(3A)⁻¹ = (1/3)A⁻¹
所以 (3A)⁻¹ - 2A* = (1/3)A⁻¹ - 2×(2A⁻¹) = (1/3)A⁻¹ - 4A⁻¹ = (1/3 - 4)A⁻¹ = (-11/3)A⁻¹
|(3A)⁻¹ - 2A*| = |(-11/3)A⁻¹| = (-11/3)³ × |A⁻¹|（3 阶方阵，每行提 -11/3）
|A⁻¹| = 1/|A| = 1/2（可逆矩阵的行列式 = 倒数）
所以 |(3A)⁻¹ - 2A*| = (-11/3)³ × (1/2) = -(1331/27) × (1/2) = -1331/54
✅ 答案：-1331/54
> 💡 关键技巧：把 A* 用 A⁻¹ 表示（A* = |A|·A⁻¹），把 (kA)⁻¹ 用 A⁻¹ 表示（(kA)⁻¹ = (1/k)A⁻¹），然后合并同类项，最后套行列式公式。
> 本题综合使用模板B（伴随矩阵）和矩阵运算技巧。
---
#### 题2-11 ⭐⭐ 中等 | 用模板B综合+模板F（分块求逆）
> 🔮 分块矩阵的概念在 2.19 节才正式教。这道题先照着"两块各求逆、再拼回去"的方法做，学完 2.19 节就懂了。
求下面分块矩阵的逆矩阵：
```
M = [1 2 | 0 0]
[3 4 | 0 0]
[-----+-----]
[0 0 | 2 1]
[0 0 | 1 1]
```
📖 点击查看答案
M 是分块对角矩阵：M = $\begin{bmatrix} A & 0 \\ 0 & B \end{bmatrix}$，其中
```
A = [1 2] B = [2 1]
[3 4] [1 1]
```
分别求逆：
A⁻¹ = 1/(-2) × $\begin{bmatrix} 4 & -2 \\ -3 & 1 \end{bmatrix}$ = $\begin{bmatrix} -2 & 1 \\ 1.5 & -0.5 \end{bmatrix}$
B⁻¹ = 1/(2×1-1×1) × $\begin{bmatrix} 1 & -1 \\ -1 & 2 \end{bmatrix}$ = 1/1 × $\begin{bmatrix} 1 & -1 \\ -1 & 2 \end{bmatrix}$ = $\begin{bmatrix} 1 & -1 \\ -1 & 2 \end{bmatrix}$
所以：
```
M⁻¹ = [-2 1 | 0 0]
[1.5 -0.5 | 0 0]
[-----------+--------]
[ 0 0 | 1 -1]
[ 0 0 | -1 2]
```
✅ 答案见上。
> 本题使用模板F（分块矩阵）+ 模板B-1（伴随矩阵法求逆）。
---
### 题型C：矩阵方程的求解
> 🔔 **课前激活**（动笔写30秒再往下读）
>
> 你有一个等式："某个未知表格X"乘以"已知表格A"等于"已知表格B"——你要找出X。这就像"X穿了A这件外套之后变成了B——请问X本来长什么样？"你会怎么"脱掉"A这件外套？关键问题是：外套是穿在X的左边还是右边？从左边脱和从右边脱的操作一样吗？
> #### 先解一道"先整理、后脱外套"的综合题，看看顺序有多重要
>
> 看到这题，先别慌。已知 A = $\begin{bmatrix} 1 & 1 \\ 1 & -1 \end{bmatrix}$，B = $\begin{bmatrix} 1 & 0 \\ 0 & 2 \end{bmatrix}$，且满足 **AX + B = X**，求 X。
>
> **难在哪？** X 左边穿了外套 A，但 X 还在等号两边都出现——**第一步不是求逆，而是把 X 聚到一边**。
>
> 动手试探：
> ```
> AX + B = X
> AX − X = −B ← 移项
> (A − E)X = −B ← 提取 X：A 在 X 左边，公因式也只能在左边
> ```
> 现在化成标准形式 AX' = B'，再左乘 (A−E)⁻¹ 解出 X：
> ```
> A − E = $\begin{bmatrix} 1 & 1 \\ 1 & −1 \end{bmatrix}$ − $\begin{bmatrix} 1 & 0 \\ 0 & 1 \end{bmatrix}$ = $\begin{bmatrix} 0 & 1 \\ 1 & −2 \end{bmatrix}$，|A−E| = −1 ≠ 0 可逆
> (A−E)⁻¹ = (−1) × $\begin{bmatrix} −2 & −1 \\ −1 & 0 \end{bmatrix}$ = $\begin{bmatrix} 2 & 1 \\ 1 & 0 \end{bmatrix}$
> X = (A−E)⁻¹·(−B) = $\begin{bmatrix} 2 & 1 \\ 1 & 0 \end{bmatrix}$ × $\begin{bmatrix} −1 & 0 \\ 0 & −2 \end{bmatrix}$ = $\begin{bmatrix} −2 & −2 \\ −1 & 0 \end{bmatrix}$
> ```
> 🔍 **回头看看**：这类题五步缺一不可——**①移项整理 ②确定形式 ③判断可逆 ④从正确的一侧乘 A⁻¹ ⑤代回验证**。"整理"永远排在"求逆"前面，这就是题型C的完整流水线。
**🎯 识别特征**：题目给出含有未知矩阵 X 的等式，如 AX = B、XA = B、AXB = C，或更复杂的如 AX + B = C。
**📋 解题步骤**：
```
第1步：整理方程 → 把所有含 X 的项移到左边，不含 X 的移到右边
第2步：确定形式 → 是 AX = B 还是 XA = B 还是 AXB = C？
第3步：判断系数矩阵是否可逆 → 算行列式
第4步：正确左乘或右乘逆矩阵 → 注意乘的方向！
- AX = B → X = A⁻¹B（A⁻¹ 乘在 B 的左边）
- XA = B → X = BA⁻¹（A⁻¹ 乘在 B 的右边）
- AXB = C → X = A⁻¹CB⁻¹（两边各乘一个）
第5步：代入计算
```
**⚠️ 最容易错的地方**：
方程两边同时左乘（或右乘）一个矩阵时，**两边的左（右）侧都要乘**：
```
AX = B
A⁻¹AX = A⁻¹B ← 左边：A⁻¹ 乘在 AX 的左边；右边：A⁻¹ 乘在 B 的左边
X = A⁻¹B ← 正确！
```
如果写成 X = BA⁻¹ 就错了——因为 A⁻¹ 应该乘在 A 的左边去消掉 A，所以右边也要乘在 B 的左边。
**📝 典型例题**（经典考研题）：
已知 A = $\begin{bmatrix} 1 & 1 \\ 1 & -1 \end{bmatrix}$，B = $\begin{bmatrix} 1 & 0 \\ 0 & 2 \end{bmatrix}$，且 AX + B = X，求 X。
📖 点击展开解答
整理方程：AX + B = X → AX - X = -B → (A - E)X = -B
算 A - E = $\begin{bmatrix} 1 & 1 \\ 1 & -1 \end{bmatrix}$ - $\begin{bmatrix} 1 & 0 \\ 0 & 1 \end{bmatrix}$ = $\begin{bmatrix} 0 & 1 \\ 1 & -2 \end{bmatrix}$
算 |A - E| = 0×(-2) - 1×1 = -1 ≠ 0，可逆。
求 (A - E)⁻¹ = 1/(-1) × $\begin{bmatrix} -2 & -1 \\ -1 & 0 \end{bmatrix}$ = $\begin{bmatrix} 2 & 1 \\ 1 & 0 \end{bmatrix}$
所以 X = (A - E)⁻¹ × (-B) = $\begin{bmatrix} 2 & 1 \\ 1 & 0 \end{bmatrix}$ × $\begin{bmatrix} -1 & 0 \\ 0 & -2 \end{bmatrix}$ = $\begin{bmatrix} -2 & -2 \\ -1 & 0 \end{bmatrix}$
验证：把 X 代回原方程，左边右边是否相等。
✅ 答案：X = $\begin{bmatrix} -2 & -2 \\ -1 & 0 \end{bmatrix}$
> 本题使用模板C：矩阵方程的求解。关键是先整理成标准形式 AX = B，然后正确左乘逆矩阵。
> ✍️ **立刻练一道**（用刚悟出的"先整理→再脱外套"）：解矩阵方程 AX = B，其中 A = $\begin{bmatrix} 2 & 1 \\ 5 & 3 \end{bmatrix}$，B = $\begin{bmatrix} 4 & 2 \\ 3 & 1 \end{bmatrix}$。
>
>
📖 点击看答案
>
> A 在 X 左边 → A⁻¹ 左乘 B。|A| = 2×3−1×5 = 1，A⁻¹ = $\begin{bmatrix} 3 & −1 \\ −5 & 2 \end{bmatrix}$。X = A⁻¹B = $\begin{bmatrix} 3 & −1 \\ −5 & 2 \end{bmatrix}$×$\begin{bmatrix} 4 & 2 \\ 3 & 1 \end{bmatrix}$ = $\begin{bmatrix} 3\times 4+(−1)\times 3 & 3\times 2+(−1)\times 1 \\ −5\times 4+2\times 3 & −5\times 2+2\times 1 \end{bmatrix}$ = $\begin{bmatrix} 9 & 5 \\ −14 & −8 \end{bmatrix}$。验证：AX = $\begin{bmatrix} 2 & 1 \\ 5 & 3 \end{bmatrix}$×$\begin{bmatrix} 9 & 5 \\ −14 & −8 \end{bmatrix}$ = $\begin{bmatrix} 18−14 & 10−8 \\ 45−42 & 25−24 \end{bmatrix}$ = $\begin{bmatrix} 4 & 2 \\ 3 & 1 \end{bmatrix}$ = B ✓（这正是题2-22）。
>
>
---
#### 🗣️ 出声思考：外套穿在左边还是右边？（矩阵方程）
> 矩阵方程最容易翻车的地方，不是算，而是"左乘还是右乘"。跟着我把心里的判断过程走一遍。
题目：已知 XA = B，其中 A = $\begin{bmatrix} 2 & 1 \\ 1 & 1 \end{bmatrix}$，B = $\begin{bmatrix} 4 & 3 \\ 3 & 2 \end{bmatrix}$，求 X。
> **① 第一反应**：未知表格 X 穿了一件"外套"A——但注意，A 写在 X 的**右边**（是 XA，不是 AX）。就像外套从右边套上去的。
>
> **② 这题考什么**：考"脱外套的方向"。要脱掉右边的 A，就得在**右边**乘 A⁻¹，而且等式两边都要在右边乘（左右一致才不出错）。
>
> **③ 为什么不能左乘**：如果我在左边乘 A⁻¹，变成 A⁻¹XA——那个 A 在最右边，A⁻¹ 在最左边，它俩隔着 X 根本碰不到、消不掉。**逆矩阵这把"解锁器"只能从它挡着的那一侧插进去**：A 挡在 X 右边，就从右边解锁。
>
> **④ 执行**：XA = B 两边右乘 A⁻¹ → XAA⁻¹ = BA⁻¹ → X = BA⁻¹。先求 A⁻¹：|A| = 2×1 - 1×1 = 1，二阶口诀得 A⁻¹ = $\begin{bmatrix} 1 & -1 \\ -1 & 2 \end{bmatrix}$。再算 X = $\begin{bmatrix} 4 & 3 \\ 3 & 2 \end{bmatrix}$×$\begin{bmatrix} 1 & -1 \\ -1 & 2 \end{bmatrix}$ = $\begin{bmatrix} 1 & 2 \\ 1 & 1 \end{bmatrix}$。
>
> **⑤ 回头检查**：把 X 代回——XA = $\begin{bmatrix} 1 & 2 \\ 1 & 1 \end{bmatrix}$×$\begin{bmatrix} 2 & 1 \\ 1 & 1 \end{bmatrix}$ = $\begin{bmatrix} 4 & 3 \\ 3 & 2 \end{bmatrix}$ = B ✓。方向对了，结果就对。
---
#### 🪜 半扶练习：方向我帮你定好，你来算（矩阵方程）
题目：已知 AX = B，A = $\begin{bmatrix} 1 & 2 \\ 0 & 1 \end{bmatrix}$，B = $\begin{bmatrix} 3 & 4 \\ 1 & 2 \end{bmatrix}$，求 X。
> **已给的判断**：A 写在 X 的**左边**（AX），要脱掉它就在两边**左乘** A⁻¹ → X = A⁻¹B（A⁻¹ 乘在 B 的左边）。方向定好了。
>
> **轮到你**：(1) 用二阶口诀求 A⁻¹（提示：|A| = 1）。(2) 算 X = A⁻¹B。(3) 代回验算 AX 是不是等于 B。
📖 点击查看答案
(1) |A| = 1×1 - 2×0 = 1。"主对调，次变号，除以行列式"：主对角线 1、1 对调仍是 1、1，次对角线 2 变 -2、0 变 0 → A⁻¹ = $\begin{bmatrix} 1 & -2 \\ 0 & 1 \end{bmatrix}$。
(2) X = A⁻¹B = $\begin{bmatrix} 1 & -2 \\ 0 & 1 \end{bmatrix}$×$\begin{bmatrix} 3 & 4 \\ 1 & 2 \end{bmatrix}$ = $\begin{bmatrix} 3-2 & 4-4 \\ 1 & 2 \end{bmatrix}$ = $\begin{bmatrix} 1 & 0 \\ 1 & 2 \end{bmatrix}$。
(3) 验算：AX = $\begin{bmatrix} 1 & 2 \\ 0 & 1 \end{bmatrix}$×$\begin{bmatrix} 1 & 0 \\ 1 & 2 \end{bmatrix}$ = $\begin{bmatrix} 1+2 & 0+4 \\ 1 & 2 \end{bmatrix}$ = $\begin{bmatrix} 3 & 4 \\ 1 & 2 \end{bmatrix}$ = B ✓。
✅ 答案：X = $\begin{bmatrix} 1 & 0 \\ 1 & 2 \end{bmatrix}$。
#### 配套练习
#### 题2-6 ⭐ 基础 | 用模板C（矩阵方程——简单形式）
解矩阵方程 AX = B，其中：
```
A = [1 2] B = [5 6]
[3 4] [7 8]
```
📖 点击查看答案
第一步：求 A⁻¹。
|A| = 1×4 - 2×3 = 4 - 6 = -2
A⁻¹ = 1/(-2) × [4 -2] = [-2 1 ]
[-3 1] [1.5 -0.5]
第二步：X = A⁻¹B。
```
X = [-2 1 ] × [5 6] = [-2×5+1×7 -2×6+1×8] = [-10+7 -12+8] = [-3 -4]
[1.5 -0.5] [7 8] [1.5×5-0.5×7 1.5×6-0.5×8] [7.5-3.5 9-4] [4 5]
```
验证：AX = $\begin{bmatrix} 1 & 2 \\ 3 & 4 \end{bmatrix}$ × $\begin{bmatrix} -3 & -4 \\ 4 & 5 \end{bmatrix}$ = $\begin{bmatrix} -3+8 & -4+10 \\ -9+16 & -12+20 \end{bmatrix}$ = $\begin{bmatrix} 5 & 6 \\ 7 & 8 \end{bmatrix}$ = B ✓
✅ 答案：X = $\begin{bmatrix} -3 & -4 \\ 4 & 5 \end{bmatrix}$
> 本题使用模板C：矩阵方程的求解。
---
#### 题2-22 ⭐ 基础 | 用模板C（矩阵方程——简单 AX = B）
解矩阵方程 AX = B，其中：
```
A = [2 1] B = [4 2]
[5 3] [3 1]
```
📖 点击查看答案
方程 AX = B 中，A 是系数矩阵，X 是未知矩阵。解法：两边同时在**左边**乘 A⁻¹，得到 X = A⁻¹B。
**第1步**：求 A⁻¹（用二阶口诀）。
|A| = 2×3 - 1×5 = 6 - 5 = 1
A⁻¹ = 1/1 × [3 -1] = [3 -1]
[-5 2] [-5 2]
**第2步**：计算 X = A⁻¹B。
```
X = [3 -1] × [4 2] = [3×4+(-1)×3 3×2+(-1)×1] = [12-3 6-1] = [9 5]
[-5 2] [3 1] [-5×4+2×3 -5×2+2×1 ] [-20+6 -10+2] [-14 -8]
```
**第3步**：验证——把 X 代回原方程。
```
AX = [2 1] × [9 5] = [2×9+1×(-14) 2×5+1×(-8)] = [18-14 10-8] = [4 2] = B ✓
[5 3] [-14 -8] [5×9+3×(-14) 5×5+3×(-8)] [45-42 25-24] [3 1]
```
✅ 答案：X = $\begin{bmatrix} 9 & 5 \\ -14 & -8 \end{bmatrix}$
> 💡 注意乘的方向——A⁻¹ 必须乘在 B 的**左边**（因为 A 原来在 X 的左边）。如果写成 X = BA⁻¹ 就错了！
> 本题使用模板C：矩阵方程的求解。
---
#### 题2-10 ⭐⭐ 中等 | 用模板C（矩阵方程——含逆矩阵）
已知 A = $\begin{bmatrix} 1 & 0 & 1 \\ 0 & 2 & 0 \\ 1 & 0 & 1 \end{bmatrix}$，且 AB + E = A² + B，求 B。
📖 点击查看答案
整理方程：AB + E = A² + B
→ AB - B = A² - E
→ (A - E)B = A² - E
注意：A² - E = (A - E)(A + E)（这和第1章学的平方差公式一样！因为 A 和 E 可交换）
所以 (A - E)B = (A - E)(A + E)
如果 A - E 可逆，两边左乘 (A - E)⁻¹：
B = A + E
计算 A - E 是否可逆：
```
A - E = [0 0 1]
[0 1 0]
[1 0 0]
```
|A - E| = 0×1×0 + 0×0×1 + 1×0×0 - 1×1×1 - 0×0×0 - 0×0×0 = -1 ≠ 0
所以 A - E 可逆。
B = A + E = $\begin{bmatrix} 1 & 0 & 1 \\ 0 & 2 & 0 \\ 1 & 0 & 1 \end{bmatrix}$ + $\begin{bmatrix} 1 & 0 & 0 \\ 0 & 1 & 0 \\ 0 & 0 & 1 \end{bmatrix}$ = $\begin{bmatrix} 2 & 0 & 1 \\ 0 & 3 & 0 \\ 1 & 0 & 2 \end{bmatrix}$
✅ 答案：B = $\begin{bmatrix} 2 & 0 & 1 \\ 0 & 3 & 0 \\ 1 & 0 & 2 \end{bmatrix}$
> 💡 关键技巧：看到 A² - E 要立刻想到平方差公式 A² - E = (A-E)(A+E)，因为 A 和 E 永远可交换！
> 本题使用模板C：矩阵方程的求解。
---
#### 题2-28 ⭐⭐ 中等 | 用模板C（矩阵方程——含转置）
已知：
```
A = [3 1] B = [1 0]
[1 2] [2 1]
```
且满足矩阵方程 AX + Bᵀ = X，求 X。
📖 点击查看答案
**第1步**：整理方程，把含 X 的项移到同一边。
AX + Bᵀ = X
→ AX - X = -Bᵀ
→ (A - E)X = -Bᵀ
这一步关键是"A 乘 X 减去 X"提取公因式时要写成 (A-E)X，而不是 X(A-E)——因为矩阵乘法不交换，提取 X 时 A 在 X 左边，所以公因式也必须在左边。
**第2步**：处理转置。
B = $\begin{bmatrix} 1 & 0 \\ 2 & 1 \end{bmatrix}$，所以 Bᵀ = $\begin{bmatrix} 1 & 2 \\ 0 & 1 \end{bmatrix}$
**第3步**：计算 A - E 并判断可逆性。
```
A - E = [3 1] - [1 0] = [2 1]
[1 2] [0 1] [1 1]
```
|A - E| = 2×1 - 1×1 = 1 ≠ 0 → 可逆！
**第4步**：求 (A - E)⁻¹（二阶用口诀："主对调，次变号，除以行列式"）。
```
(A - E)⁻¹ = 1/1 × [ 1 -1] = [ 1 -1]
[-1 2] [-1 2]
```
**第5步**：解出 X。
方程是 (A - E)X = -Bᵀ，两边**左乘** (A - E)⁻¹：
X = (A - E)⁻¹ × (-Bᵀ)
```
X = [ 1 -1] × [-1 -2]
[-1 2] [ 0 -1]
```
逐元素计算：
- 第 1 行第 1 列：1×(-1) + (-1)×0 = -1
- 第 1 行第 2 列：1×(-2) + (-1)×(-1) = -2 + 1 = -1
- 第 2 行第 1 列：(-1)×(-1) + 2×0 = 1
- 第 2 行第 2 列：(-1)×(-2) + 2×(-1) = 2 - 2 = 0
```
X = [-1 -1]
[ 1 0]
```
**第6步**：验证。
AX = $\begin{bmatrix} 3 & 1 \\ 1 & 2 \end{bmatrix}$ × $\begin{bmatrix} -1 & -1 \\ 1 & 0 \end{bmatrix}$ = $\begin{bmatrix} -3+1 & -3+0 \\ -1+2 & -1+0 \end{bmatrix}$ = $\begin{bmatrix} -2 & -3 \\ 1 & -1 \end{bmatrix}$
X - Bᵀ = $\begin{bmatrix} -1 & -1 \\ 1 & 0 \end{bmatrix}$ - $\begin{bmatrix} 1 & 2 \\ 0 & 1 \end{bmatrix}$ = $\begin{bmatrix} -2 & -3 \\ 1 & -1 \end{bmatrix}$
AX = X - Bᵀ ✓ （即 AX + Bᵀ = X ✓）
✅ 答案：X = $\begin{bmatrix} -1 & -1 \\ 1 & 0 \end{bmatrix}$
> 💡 本题考察三个容易出错的地方合在一起：(1) 提取 X 时 (A-E) 必须写在左边；(2) 转置 Bᵀ 的正确计算；(3) 方程变形时的符号（移项后系数变号）。任何一个环节出错都会导致全错。
> 本题使用模板C：矩阵方程的求解。
---
#### 题2-17 ⭐⭐⭐ 真题 | 用模板B+C+分块综合
设 A、B 均为 3 阶矩阵，E 为 3 阶单位矩阵。已知：
```
AB = 2A + B, B = [1 0 0]
[0 1 0]
[0 0 3]
```
求 A。
📖 点击查看答案
**第1步**：整理方程，把含 A 的项移到同一侧。
AB = 2A + B
→ AB - 2A = B
→ A(B - 2E) = B
**第2步**：判断 B - 2E 是否可逆。
B - 2E = diag(1-2, 1-2, 3-2) = diag(-1, -1, 1)
|B - 2E| = (-1)×(-1)×1 = 1 ≠ 0 → 可逆！
(B - 2E)⁻¹ = diag(-1, -1, 1)（对角矩阵的逆 = 各元素取倒数）
**第3步**：解出 A。
A = B(B - 2E)⁻¹ = diag(1, 1, 3) × diag(-1, -1, 1) = diag(1×(-1), 1×(-1), 3×1) = diag(-1, -1, 3)
**第4步**：验证。
AB = diag(-1, -1, 3) × diag(1, 1, 3) = diag(-1, -1, 9)
2A + B = 2·diag(-1, -1, 3) + diag(1, 1, 3) = diag(-2, -2, 6) + diag(1, 1, 3) = diag(-1, -1, 9) ✓
✅ **答案**：A = diag(-1, -1, 3)
> 💡 关键教训：解矩阵方程 AX = B 时，**先检查 A 是否可逆**——如果不可逆，方程可能无解或有无穷多解，不能直接用 X = A⁻¹B。本题中 B-2E 恰可逆（|B-2E| ≠ 0，见第2步），所以才有唯一解。（"特征值"这个词第 5 章才会正式学，这里先跳过。）
> 本题使用模板C：矩阵方程的求解。
---
#### 题2-34 ⭐⭐⭐ 综合 | 用模板B+C综合（矩阵方程+逆矩阵证明）
设 A、B 均为 n 阶方阵，且满足 A + B = AB。
(1) 证明：A - E 可逆，并求其逆矩阵。
(2) 证明：AB = BA（即 A 与 B 可交换）。
(3) 若 n = 2，且 B = $\begin{bmatrix} 2 & 1 \\ 1 & 1 \end{bmatrix}$，利用 (1) 的结论求出 A。
📖 点击查看答案
**(1) 证明 A - E 可逆。**
从 A + B = AB 出发，把所有项移到同一边：
AB - A - B = 0
现在用"配方法"——类比初中学的 x² - 3x + 2 = (x-1)(x-2)，矩阵也可以配方：
注意到 AB - A - B = (A - E)(B - E) - E
验证：(A - E)(B - E) = AB - A - B + E，移项即得 AB - A - B = (A - E)(B - E) - E。
所以原方程 AB - A - B = 0 等价于：
(A - E)(B - E) - E = 0
→ (A - E)(B - E) = E
这就凑出了"两个矩阵相乘 = 单位矩阵"的形式！
根据逆矩阵的定义：若 X·Y = E，则 X 可逆且 X⁻¹ = Y。这里 X = A - E，Y = B - E，两者相乘得 E，所以：
**A - E 可逆，且 (A - E)⁻¹ = B - E。**
同理，由 (A - E)(B - E) = E 两边取行列式（或利用"方阵中 XY = E ⇒ YX = E"的性质），可知 B - E 也可逆，且 (B - E)⁻¹ = A - E。
**(2) 证明 AB = BA。**
由 (1) 知 (A - E)(B - E) = E。
对于方阵，若 XY = E，则必有 YX = E（这是方阵特有的性质——左逆 = 右逆）。所以：
(B - E)(A - E) = E
展开左边：
(B - E)(A - E) = BA - B - A + E = E
→ BA - B - A = 0
→ BA = A + B
而原方程给出 AB = A + B。
因此 **AB = A + B = BA**，即 A 与 B 可交换。证毕。
**(3) 已知 B，求 A。**
由 (1) 知 (A - E)⁻¹ = B - E，所以：
A - E = (B - E)⁻¹
A = E + (B - E)⁻¹
代入 B = $\begin{bmatrix} 2 & 1 \\ 1 & 1 \end{bmatrix}$：
```
B - E = [2 1] - [1 0] = [1 1]
[1 1] [0 1] [1 0]
```
|B - E| = 1×0 - 1×1 = -1 ≠ 0，可逆。
二阶求逆（口诀："主对调，次变号，除以行列式"）：
```
(B - E)⁻¹ = 1/(-1) × [0 -1] = [0 1]
[-1 1] [1 -1]
```
所以：
```
A = E + (B - E)⁻¹ = [1 0] + [0 1] = [1 1]
[0 1] [1 -1] [1 0]
```
**验证**：
A + B = $\begin{bmatrix} 1 & 1 \\ 1 & 0 \end{bmatrix}$ + $\begin{bmatrix} 2 & 1 \\ 1 & 1 \end{bmatrix}$ = $\begin{bmatrix} 3 & 2 \\ 2 & 1 \end{bmatrix}$
AB = $\begin{bmatrix} 1 & 1 \\ 1 & 0 \end{bmatrix}$ × $\begin{bmatrix} 2 & 1 \\ 1 & 1 \end{bmatrix}$ = $\begin{bmatrix} 2+1 & 1+1 \\ 2+0 & 1+0 \end{bmatrix}$ = $\begin{bmatrix} 3 & 2 \\ 2 & 1 \end{bmatrix}$
A + B = AB ✓
✅ 答案：(1) A - E 可逆，(A - E)⁻¹ = B - E；(2) 证明见上；(3) A = $\begin{bmatrix} 1 & 1 \\ 1 & 0 \end{bmatrix}$
> 🎓 **命题思路**：本题展示了矩阵方程中一个经典技巧——"配方法凑乘积 = E"。这是第二章考试中出抽象证明题时最常见的思路。看到 A + B = AB 这类方程，不要硬解——配方后往往能发现隐藏的逆矩阵关系。第 (2) 问说明：满足 A + B = AB 的矩阵天然可交换，这个结论以后学特征值理论时会再次遇到。
> 本题综合使用模板B和模板C：抽象矩阵证明 + 具体矩阵求解。
---
#### 题2-13 ⭐⭐⭐ 真题 | 经典考研题（原标年份存疑，见章首真题预览说明） | 用模板C+E综合
> 🔮 本题用到 2.17 节的初等矩阵（记号 E(3,1(1))）。第一遍可跳过，学完 2.17 节再做。
设 A 为 3 阶矩阵，P 为 3 阶可逆矩阵，且：
```
P⁻¹AP = [1 0 0]
[0 1 0]
[0 0 2]
```
若 P = [α₁, α₂, α₃]（三个列向量），且 Q = [α₁ + α₃, α₂, α₃]，求 Q⁻¹AQ。
📖 点击查看答案
分析：Q = [α₁+α₃, α₂, α₃] = [α₁, α₂, α₃] × $\begin{bmatrix} 1 & 0 & 0 \\ 0 & 1 & 0 \\ 1 & 0 & 1 \end{bmatrix}$
即 Q = P × C，其中 C = $\begin{bmatrix} 1 & 0 & 0 \\ 0 & 1 & 0 \\ 1 & 0 & 1 \end{bmatrix}$（把 P 的第 3 列的 1 倍加到第 1 列 → 右乘初等矩阵 E(3,1(1))）。
所以 Q = P·C。
Q⁻¹AQ = (PC)⁻¹A(PC) = C⁻¹(P⁻¹AP)C
= C⁻¹ × $\begin{bmatrix} 1 & 0 & 0 \\ 0 & 1 & 0 \\ 0 & 0 & 2 \end{bmatrix}$ × C
C = E(3,1(1))，C⁻¹ = E(3,1(-1))
所以 C⁻¹ × $\begin{bmatrix} 1 & 0 & 0 \\ 0 & 1 & 0 \\ 0 & 0 & 2 \end{bmatrix}$ × C
先算 ΛC = $\begin{bmatrix} 1 & 0 & 0 \\ 0 & 1 & 0 \\ 0 & 0 & 2 \end{bmatrix}$ × $\begin{bmatrix} 1 & 0 & 0 \\ 0 & 1 & 0 \\ 1 & 0 & 1 \end{bmatrix}$ = $\begin{bmatrix} 1 & 0 & 0 \\ 0 & 1 & 0 \\ 2 & 0 & 2 \end{bmatrix}$
再算 C⁻¹(ΛC) = $\begin{bmatrix} 1 & 0 & 0 \\ 0 & 1 & 0 \\ -1 & 0 & 1 \end{bmatrix}$ × $\begin{bmatrix} 1 & 0 & 0 \\ 0 & 1 & 0 \\ 2 & 0 & 2 \end{bmatrix}$
= $\begin{bmatrix} 1 & 0 & 0 \\ 0 & 1 & 0 \\ -1+2 & 0 & 2 \end{bmatrix}$
= $\begin{bmatrix} 1 & 0 & 0 \\ 0 & 1 & 0 \\ 1 & 0 & 2 \end{bmatrix}$
✅ 答案：Q⁻¹AQ = $\begin{bmatrix} 1 & 0 & 0 \\ 0 & 1 & 0 \\ 1 & 0 & 2 \end{bmatrix}$
> 本题综合使用了初等矩阵（模板E）和矩阵方程技巧（模板C）。关键是把 Q 表示成 P 乘一个初等矩阵的形式。
---
#### 题2-33 ⭐⭐⭐ 综合 | 用模板C+E综合（初等变换+逆矩阵+矩阵方程）
> 🔮 本题三问全部建立在 2.17 节的初等矩阵上（把每个行变换"翻译"成 E₁、E₂）。第一遍可跳过，学完 2.17 节再来做。
设：
```
[1 0 0]
A = [2 1 0]
[0 1 1]
```
对 A 依次进行以下两个行变换操作：
操作一：将第 3 行的 1 倍加到第 1 行（R₁ + R₃ → R₁）
操作二：将第 2 行乘以 2（2R₂ → R₂）
设经过这两个操作后得到的矩阵为 B。
(1) 将 B 表示为初等矩阵的乘积乘以 A 的形式（即写出 B = E₂·E₁·A 中的 E₁、E₂）。
(2) 若已知 B（而不是 A），如何求出 A？写出表达式并计算。
(3) 在上述 A、B 的基础上，求解矩阵方程 AX = B。
📖 点击查看答案
**(1) 用初等矩阵表示变换。**
- 操作一（R₁ + R₃ → R₁）：这是把第 3 行的 1 倍加到第 1 行 → 左乘 E(1,3(1))。
E₁ = E(1,3(1)) = $\begin{bmatrix} 1 & 0 & 1 \\ 0 & 1 & 0 \\ 0 & 0 & 1 \end{bmatrix}$
- 操作二（2R₂ → R₂）：把第 2 行乘以 2 → 左乘 E(2(2))。
E₂ = E(2(2)) = $\begin{bmatrix} 1 & 0 & 0 \\ 0 & 2 & 0 \\ 0 & 0 & 1 \end{bmatrix}$
先操作一再操作二，所以 **B = E₂ × E₁ × A**。
验算：
E₁A = $\begin{bmatrix} 1 & 0 & 1 \\ 0 & 1 & 0 \\ 0 & 0 & 1 \end{bmatrix}$ × $\begin{bmatrix} 1 & 0 & 0 \\ 2 & 1 & 0 \\ 0 & 1 & 1 \end{bmatrix}$ = $\begin{bmatrix} 1 & 1 & 1 \\ 2 & 1 & 0 \\ 0 & 1 & 1 \end{bmatrix}$
B = E₂ × (E₁A) = $\begin{bmatrix} 1 & 0 & 0 \\ 0 & 2 & 0 \\ 0 & 0 & 1 \end{bmatrix}$ × $\begin{bmatrix} 1 & 1 & 1 \\ 2 & 1 & 0 \\ 0 & 1 & 1 \end{bmatrix}$ = $\begin{bmatrix} 1 & 1 & 1 \\ 4 & 2 & 0 \\ 0 & 1 & 1 \end{bmatrix}$
所以：
```
[1 1 1]
B = [4 2 0]
[0 1 1]
```
**(2) 已知 B 求 A。**
由 B = E₂E₁A，两边左乘 E₂⁻¹ 再左乘 E₁⁻¹：
A = E₁⁻¹ × E₂⁻¹ × B
其中：
- E₁⁻¹ = E(1,3(-1)) = $\begin{bmatrix} 1 & 0 & -1 \\ 0 & 1 & 0 \\ 0 & 0 & 1 \end{bmatrix}$
- E₂⁻¹ = E(2(1/2)) = $\begin{bmatrix} 1 & 0 & 0 \\ 0 & 1/2 & 0 \\ 0 & 0 & 1 \end{bmatrix}$
先算 E₂⁻¹ × B：
```
[1 0 0 ] [1 1 1] [1 1 1]
[0 1/2 0 ] × [4 2 0] = [2 1 0]
[0 0 1 ] [0 1 1] [0 1 1]
```
再算 E₁⁻¹ × (上述结果)：
```
[1 0 -1] [1 1 1] [1 0 0]
[0 1 0] × [2 1 0] = [2 1 0]
[0 0 1] [0 1 1] [0 1 1]
```
等于原矩阵 A ✓
**(3) 求解矩阵方程 AX = B。**
已知 A 可逆（|A| = 1×1×1 = 1 ≠ 0），且 B 已知。
AX = B → X = A⁻¹B
先求 A⁻¹。因为 A 是下三角矩阵且对角线全为 1，结构简单，可以直接做初等行变换：
```
[A | E] = [1 0 0 | 1 0 0]
[2 1 0 | 0 1 0]
[0 1 1 | 0 0 1]
```
R₂ - 2R₁：
```
[1 0 0 | 1 0 0]
[0 1 0 | -2 1 0]
[0 1 1 | 0 0 1]
```
R₃ - R₂：
```
[1 0 0 | 1 0 0]
[0 1 0 | -2 1 0]
[0 0 1 | 2 -1 1]
```
所以：
```
[ 1 0 0]
A⁻¹ = [-2 1 0]
[ 2 -1 1]
```
现在 X = A⁻¹B：
```
[ 1 0 0] [1 1 1] [1 1 1 ]
X = A⁻¹B = [-2 1 0] × [4 2 0] = [2 0 -2]
[ 2 -1 1] [0 1 1] [-2 1 3 ]
```
✅ 答案：(1) B = E₂E₁A，其中 E₁ = E(1,3(1))，E₂ = E(2(2))；(2) A = E₁⁻¹E₂⁻¹B；(3) X = $\begin{bmatrix} 1 & 1 & 1 \\ 2 & 0 & -2 \\ -2 & 1 & 3 \end{bmatrix}$
> 🎓 **命题思路**：这道题把三个知识点串成一条线：先通过初等矩阵描述变换（模板E），再利用初等矩阵的逆从 B 反推 A（模板E的逆应用），最后解矩阵方程（模板C）。考试中解矩阵方程往往先要求逆——而求逆又可以用初等变换。整个流程是：初等变换 → 表达 B → 求 A⁻¹ → 解 AX = B。
> 本题综合使用模板C和模板E。
---
### 📦 知识块C：秩、初等变换与分块
> 📌 这块学完你就能回答：
> - 矩阵的"秩"到底在数什么？怎么用"扫雷法"化阶梯形求秩？
> - 伴随矩阵的秩有哪三种情况？为什么选择题最爱考？
> - 三种初等矩阵分别是什么？"行左列右"口诀怎么用？
> - 分块矩阵怎么"切"？分块对角矩阵的行列式和逆矩阵有什么捷径？
### 2.15 矩阵的秩 —— "矩阵有多少'真正有用的行'"
> 🔔 **课前激活**（动笔写30秒再往下读）
>
> 学校贴出了一份"各班三科成绩统计表"——但你看了一眼发现：语文那列和英语那列每行都成比例（英语分永远是语文分的80%），而且最后一列"总分"就是前三列的简单相加。这张表号称"5列"的信息量，实际上真正独立的列有几列？删掉重复的、删掉能由别人推出的——最后剩下几列"独当一面"的？这个"去水分后剩下的独立信息行/列数"就是线性代数里一个极其重要的概念。
**💬 生活比喻**：
想象你在看一份调查报告。报告有 10 页纸（10 行），但你发现：
- 第 5 页完全是从第 2 页复制过来的（重复，没用）
- 第 8 页 = 第 3 页 + 第 4 页（可以由其他页推出来，没有新信息）
- 第 10 页全是空白
去掉这些"水分"之后，真正提供独到信息的可能只有 6 页。
**矩阵的"秩"就是去掉所有"水分"（可以由其他行推出来的行）之后，真正提供独立信息的行数。**
> #### 先"去一次水分"，看看还剩几行是真正独立的
>
> 看到这题，先别慌。你手上有这张表：
> ```
> A = [1 2 3]
> [2 4 6]
> [0 0 0]
> ```
> **难在哪？** 第一眼看去是 3 行 3 列，好像有 3 行信息。但仔细一瞧：**第 2 行 = 第 1 行 × 2**（翻倍，没有新信息），**第 3 行全是 0**（空白，完全没用）。那"真正有用"的信息到底有几行？
>
> 动手试探：做一次行变换，把第 2 行减去第 1 行的 2 倍：
> ```
> R₂ - 2R₁ → 第2行变成 (2,4,6) - 2×(1,2,3) = (0,0,0)
> ```
> 于是 $\begin{bmatrix} 1 & 2 & 3 \\ 2 & 4 & 6 \\ 0 & 0 & 0 \end{bmatrix}$ 被"梳"成了 $\begin{bmatrix} 1 & 2 & 3 \\ 0 & 0 & 0 \\ 0 & 0 & 0 \end{bmatrix}$——**非零行只剩 1 行**。
>
> 🔍 **回头看看**：删掉重复的、删掉空白的，真正独立的信息只有 1 行。这个"去掉水分后剩下的独立行数"就是**秩**。所以上面的矩阵 r(A) = 1。
**📖 正式定义**：
（子式 = 从矩阵里任选若干行、若干列交叉处的元素组成的小行列式，比如去掉一行一列剩下的。）矩阵 A 中最高阶非零子式的阶数，称为矩阵 A 的秩，记作 r(A) 或 rank(A)。
或者等价地说：把 A 用初等行变换化成"行阶梯形"（阶梯状）后，非零行的行数。
**📝 例子**：
```
A = [1 2 3] 第一行：[1, 2, 3]
[2 4 6] 第二行 = 第一行 × 2 → 没有新信息
[0 0 0] 第三行全 0 → 完全没用
化阶梯形后：
[1 2 3]
[0 0 0] ← 因为第2行都被消掉了
[0 0 0]
非零行只有 1 行 → r(A) = 1
```
**🔑 秩的常见结论**：
| 情况 | 秩的含义 |
|------|----------|
| r(A) = n（n 阶方阵） | **满秩**，A 可逆，\|A\| ≠ 0 |
| r(A) < n | **降秩**，A 不可逆，\|A\| = 0 |
| r(A) = 0 | A 是零矩阵 |
**秩的重要性**：秩是连接整门课的一个"枢纽"——它能把可逆性、行列式、方程组解的个数、向量相关性全部串起来。
**🔑 秩的"阶梯形"求法详解**：
具体来说，怎么化阶梯形？每一步都在做什么？
假设你要化这个矩阵：
```
[1 2 1 3]
[2 4 3 7]
[3 6 4 10]
```
第 1 步：看第 1 列，让第 1 个元素（1）的下面全变成 0。
- 第 2 行减去第 1 行的 2 倍 → (2,4,3,7) - 2×(1,2,1,3) = (0,0,1,1)
- 第 3 行减去第 1 行的 3 倍 → (3,6,4,10) - 3×(1,2,1,3) = (0,0,1,1)
```
[1 2 1 3]
[0 0 1 1]
[0 0 1 1]
```
第 2 步：看第 2 列。第 2 行第 2 列是 0，没法做支点。但第 3 列的第 2 行是 1，跳到第 3 列做支点。
第 3 步：用第 2 行的第 3 列的 1，消去第 3 行第 3 列：
- 第 3 行减去第 2 行 → (0,0,1,1) - (0,0,1,1) = (0,0,0,0)
```
[1 2 1 3]
[0 0 1 1]
[0 0 0 0]
```
非零行 = 2 → **r(A) = 2**。
**💬 比喻**：化阶梯形就像"扫雷"——从左上角开始，每找到一个"支点"（非零元素），就用它把下面的"雷"（非零元素）全部扫成零。扫完一层，往右下方向推进，直到全部扫干净。数一数你扫出了几个"非零台阶"——那就是秩。
> ✍️ **立刻练一道**（用刚悟出的"扫雷数台阶"）：求 A = $\begin{bmatrix} 1 & 2 & 3 \\ 2 & 4 & 6 \\ 3 & 6 & 9 \end{bmatrix}$ 的秩。提示：先观察行与行之间有没有关系。
>
>
📖 点击看答案
>
> 第 2 行 = 第 1 行 × 2，第 3 行 = 第 1 行 × 3——三行全是第一行的倍数。做行变换：R₂−2R₁ → [0 0 0]，R₃−3R₁ → [0 0 0]，只剩第 1 行非零 → r(A) = 1（这就是题2-4，先观察能省一大半计算）。
>
>
**📋 秩的基本性质**：
- r(A) ≤ min(m, n)（秩不超过行数和列数中较小的那个）
- r(Aᵀ) = r(A)（转置不改变秩）
- r(AB) ≤ min(r(A), r(B))（乘积的秩 ≤ 各因子秩的最小值）
- 若 P、Q 可逆，则 r(PAQ) = r(A)（左乘或右乘可逆矩阵不改变秩）
---
#### 🔗 灵魂定理：r(AB) ≤ min(r(A), r(B)) —— 完整推导
##### ① 🧃 生活场景
你有一杯橙汁（矩阵 B），把它倒进一台榨汁机（矩阵 A）里再榨一次。榨汁机不可能"无中生有"造出比原料更浓的汁——出来的东西（矩阵 AB）的"浓郁度"，受两头上限管着：**原料 B 本身有多少料**，以及**榨汁机 A 能榨出多少**。最后成品的浓度不可能超过这两个上限中的任何一个。
矩阵乘积的"秩"也是这个道理：A 代表"处理能力的上限"，B 代表"输入信息的上限"——两个上限中更小的那个，就是你最终能拿到的最多信息量。
换个更直观的比喻：传话游戏。A 是一个传话员（他的表达能力决定了能传清楚多少信息，这就是 r(A)），B 是原始消息本身携带的信息量（这就是 r(B)）。经过 A 传出来的消息（AB），既不可能比 A 的表达能力更强，也不可能比 B 原来携带的信息更多——取二者中更小的那个。
##### ② 📐 正式陈述
设 A 是 m×n 矩阵，B 是 n×s 矩阵。则：
```
r(AB) ≤ min{ r(A), r(B) }
```
即乘积矩阵的秩**不超过**任何一个因子的秩。
拆开写成两条独立的不等式：
```
r(AB) ≤ r(A) 且 r(AB) ≤ r(B)
```
📖 点击展开：完整推导（用到第3章概念，可先跳过；结论先记：r(AB) ≤ min(r(A), r(B))）
> 🔮 **推导用到第3章向量组概念**（线性组合、列空间、维数），第一遍可先跳过。先记住结论：**r(AB) ≤ min(r(A), r(B))**，学完第3章再回看推导。
##### ③ 🧠 完整推导
我们从最直观的"列向量视角"切入，逐一突破两条不等式。
---
**第1步：AB 的每一列都是 A 的列向量的线性组合（用来证 r(AB) ≤ r(A)）**
把 B 按列拆开：B = [b₁, b₂, …, bₛ]（s 个 n 维列向量）。根据矩阵乘法的列展开规则，AB 的第 j 列等于 A 乘以 B 的第 j 列：
```
AB 的第 j 列 = A · bⱼ
```
把 A 也按列拆开：A = [a₁, a₂, …, aₙ]（n 个 m 维列向量），其中 bⱼ = (b₁ⱼ, b₂ⱼ, …, bₙⱼ)ᵀ。那么：
```
A · bⱼ = b₁ⱼ·a₁ + b₂ⱼ·a₂ + … + bₙⱼ·aₙ
```
这说明了什么？**AB 的每一列，都是 A 的各列的"配方菜"**——用 B 那一列的数字当"配方比例"，从 A 的列向量这个"食材库"里配出来的。
> 大白话：AB 里所有列"食材"，全都来自 A 的列这个"菜篮子"。你不可能从菜篮子里配出一道不含篮子里食材的菜。所以 AB 整张表的列空间，完全被 A 的列空间"包住"了。
既然 AB 的列空间 ⊆ A 的列空间（子空间关系），那么维数也有：
```
dim(AB 的列空间) ≤ dim(A 的列空间)
```
即 **r(AB) ≤ r(A)**。✓
---
**第2步：从行向量视角推出 r(AB) ≤ r(B)**
这次换到"行"的角度。把 A 按行拆开：A 有 m 个行向量 a¹, a², …, aᵐ（每个都是 n 维行向量）。AB 的第 i 行等于 A 的第 i 行乘以整个 B：
```
AB 的第 i 行 = aⁱ · B
```
把 B 也按行拆开：B = $\begin{bmatrix} b¹ \\ b² \\ … \\ bⁿ \end{bmatrix}$（n 个 s 维行向量），其中 aⁱ = (aⁱ₁, aⁱ₂, …, aⁱₙ)。那么：
```
aⁱ · B = aⁱ₁·b¹ + aⁱ₂·b² + … + aⁱₙ·bⁿ
```
这说明：**AB 的每一行，都是 B 的各行的"配方菜"**——用 A 那一行的数字做配方，从 B 的行向量这个"食材库"里配出来的。
> 大白话：从行的角度看，AB 每一行都由 B 的行拼出来——AB 的行空间完全被 B 的行空间包住。
于是：
```
AB 的行空间 ⊆ B 的行空间
dim(AB 的行空间) ≤ dim(B 的行空间)
```
而行空间的维数就是秩，所以 **r(AB) ≤ r(B)**。✓
---
**第3步：两条不等式合并——终极结论**
我们已经证明了：
- 从列的角度：r(AB) ≤ r(A)（AB 的列被 A 的列"框住"）
- 从行的角度：r(AB) ≤ r(B)（AB 的行被 B 的行"框住"）
r(AB) 既不超过 r(A)，也不超过 r(B)——也就是说，它不超过这两者中较小的那个：
```
r(AB) ≤ min{ r(A), r(B) }
```
**证毕。** 🎯
##### ④ 📝 推导复盘
这个不等式的核心思想一句话：**信息只能被削减，不能被凭空创造**。
A 是个"信息处理通道"（m×n 的变换），虽然它理论上能传输 n 个方向的独立信息，但如果 A 自己的某些行或列是"废的"（线性相关），实际能承载的有效信息就只有 r(A) 这么多。B 是"输入数据"，它携带的有效信息量就是 r(B)。让 A 去处理 B 的数据得到 AB——处理过程中不可能无中生有，出来的信息量一定受两头上限约束：
- **受限于处理者 A**：如果 A 把某些方向"压扁"成零了，那它们相关的信息就永远丢失了
- **受限于输入 B**：即使 A 能力超强（r(A) 很大），如果 B 本身信息量很少（r(B) 很小），出来的也不会多
考试记忆口诀：**"乘积的秩 ≤ 每一个因子的秩"**。就像团队的协作成果，不可能超过任何一个成员的个人能力上限。
##### ⑤ ⚠️ 易错边界
| 误区 | 正确理解 |
|------|----------|
| "r(AB) = min(r(A), r(B))" | **等号不一定成立！** 取 A=$\begin{bmatrix} 1 & 0 \\ 0 & 0 \end{bmatrix}$、B=$\begin{bmatrix} 0 & 0 \\ 0 & 1 \end{bmatrix}$，r(A)=r(B)=1，但 AB=$\begin{bmatrix} 0 & 0 \\ 0 & 0 \end{bmatrix}$，r(AB)=0 < 1。所以是不等式，经常严格小于 |
| "r(AB) ≤ r(A) 就够了，不用证 r(AB) ≤ r(B)" | 两条都要证。只证一边会漏掉另一头的限制 |
| "r(AB) = r(BA) 恒成立" | **高频陷阱！** r(AB) 和 r(BA) 可以天差地别。前面的反例（题2-32）已经证明 |
| "如果 A 或 B 可逆，r(AB) = min(r(A), r(B))" | **这是正确的特例。** A 可逆 → r(AB) = r(B)；B 可逆 → r(AB) = r(A)。这就是前面第四条性质所说的"乘可逆矩阵不改变秩" |
| 直觉误区："A 是满秩(列)的，所以 r(AB)=r(B)" | 对！如果 A 的列满秩（r(A)=n），那么 A 作为变换不会把任何非零方向压扁，此时 r(AB)=r(B) |
> **关键直觉**：什么时候 r(AB) **严格小于** r(A) 和 r(B)？当 A 把某些方向"压扁成零"（即 A 有零空间），且 B 的列恰好"伸进"了 A 的零空间里——这时那些列就会被 A 压成零，对应 AB 的秩就会小于 B 的秩。理解这一点，你就明白了秩不等式的"几何本质"。
##### ⑥ 🔗 链条位置
```
本章2.15: 秩的定义和求法 本定理: r(AB) ≤ min(r(A), r(B))
（什么是秩、怎么化阶梯求秩） ──→ （秩理论最重要的不等式）
↓
本章后续: Sylvester 不等式
r(A) + r(B) ≤ n + r(AB)
（本定理是其基础推论之一）
↓
第4章: 方程组解的判定
（用秩比较判断解的存在性和个数）
```
这个不等式是整个秩理论大厦的"第一块基石砖"。后面你学的 Sylvester 不等式、Frobenius 不等式、第4章的解的判定——全都以它为起点。秩的不等式证明题，十有八九第一步先用本定理做一次放缩。
> ⭐⭐⭐ 核心——秩是考研的"必杀技"，选择题和大题都会考
> 🛑 **停下来想一想**：一张号称"5 列"的成绩表，若有一列是另两列相加、还有一列跟别的列成比例，它真正独立的信息其实只有几列？"秩"数的是行、还是列？（想想：行秩和列秩会不会不一样？）
> 💡 **阅读思考题**
>
> **❶ 理解检测** — 用"调查报告去水分"的比喻，说清楚"秩"到底在数什么。"满秩"和"降秩"分别意味着什么？
>
> **❷ 深度思考** — 一个班 5 位同学的"身高、体重、鞋码"数据表（5 行 3 列）。如果鞋码几乎完全由身高决定（成正比），这张表的秩最可能是几？这说明数据里藏着什么"冗余"？
>
> **❸ 考试演练** — 求矩阵 A=$\begin{bmatrix} 1 & 2 & 3 \\ 2 & 4 & 6 \\ 1 & 1 & 1 \end{bmatrix}$ 的秩 r(A)。
📖 点击查看参考答案
**🛑 停下来想一想**：去掉"能由别人推出来的列"，一般情形是 3 列（例如第 1、2、3 列独立，第 4 列与第 3 列成比例，第 5 列 = 第 1 + 第 2 列；具体哪几列取决于哪些列是依赖的，但个数是 3）。秩既可以数独立的行、也可以数独立的列，因为**行秩恒等于列秩**（这是秩的一个深刻性质），所以数哪个都一样。
**❶** "秩"数的是去掉所有"水分"（能由其他行/列推出来的行/列）之后，真正提供独立信息的行数（或列数）。满秩=一点水分都没有，行行都独立（方阵满秩就可逆）；降秩=有水分，某些行能被别的行拼出来（方阵降秩就不可逆、|A|=0）。
**❷** 秩最可能是 2。因为"鞋码由身高决定"，鞋码这一列 = 身高列的倍数，是冗余的，不提供新信息；真正独立的只有"身高"和"体重"两列。这说明三项数据里其实只有两项是"独当一面"的。
**❸** r(A)=2。
R₂−2R₁ 得 [0 0 0]；R₃−R₁ 得 [0 −1 −2]。剩下 [1 2 3] 和 [0 −1 −2] 两个非零行，所以秩为 2。
**考试易错提醒**：求秩只要化到"行阶梯形"（有台阶就行），不必费力化到最简形。先扫一眼有没有成比例、能相加相减凑出的行——像本题第2行是第1行的2倍——往往能省一大半计算。
---
### 2.16 伴随矩阵的秩（重要推论）
> 🔔 **课前激活**（动笔写30秒再往下读）
>
> 上一节我们学了"秩"——矩阵真正有用的信息行数。伴随矩阵是记录"每个位置影响力"的矩阵。现在把两个概念放在一起：如果原矩阵的信息量很满（满秩），影响力报告自然也很满；如果原矩阵的信息量亏了一档，影响力报告还剩多少"独到信息"？如果原矩阵亏了两档——影响力报告是不是就彻底变成一张白纸了？
---
#### 🔗 灵魂定理：伴随矩阵的秩 —— 完整推导
##### ① 🩺 生活场景
你去体检，拿到的报告有三种情况：(1) 体检满分——各项指标全部正常，每项都提供独立信息；(2) 体检刚好不及格——只差一个指标没达标，这时"病情概括表"（伴随矩阵）能把那唯一的毛病浓缩成一行的关键信息；(3) 体检差了两项以上——问题太多，"病情概括表"也没法概括，直接废了。伴随矩阵的秩就是这样一个"体检概括表"——原矩阵身体越差，概括表就越没内容。
> ##### 先别急着背那张表——用"万能钥匙"自己把三种情况推出来
>
> 看到这题，先别慌。上节我们刚学会求秩，这节要问的是：**伴随矩阵 A* 的秩，和原矩阵 A 的秩有什么关系？**
>
> **难在哪？** A 和 A* 是两张不同的表，却牢牢被一条公式拴在一起——**A·A* = A*·A = |A|·E**（2.11 节那把"万能钥匙"）。能不能用它把"r(A) 决定 r(A*)"这件事推出来？
>
> 动手试探（A 是 n 阶方阵）：
> - **若 r(A) = n**（满秩）→ A 可逆 → |A| ≠ 0 → 钥匙公式两边左乘 A⁻¹，得 **A* = |A|·A⁻¹**。A⁻¹ 满秩，乘个非零数 |A| 不影响独立关系 → A* 也满秩 → **r(A*) = n**。
> - **若 r(A) = n-1**（亏一秩）→ |A| = 0 → 钥匙公式变成 **A·A* = 0**，意思是 A* 的每一列都被 A"压扁"成零。A 亏一秩，零空间只有 1 维，A* 的所有列都挤在这一条"独木桥"上——方向最多 1 个 → r(A*) ≤ 1。又因为亏一秩说明至少有一个 n-1 阶子式非零，这个子式就是 A* 里的某个元素 → A* 至少有一个非零元素 → r(A*) ≥ 1。两边一夹 → **r(A*) = 1**。
> - **若 r(A) < n-1**（亏两秩以上）→ 所有 n-1 阶子式全为零 → A* 的每个元素（代数余子式）全是 0 → A* = 0 → **r(A*) = 0**。
>
> 🔍 **回头看看**：整张表（满则满、亏一则一、亏二则零）不是背出来的，是那把万能钥匙 A·A* = |A|·E 加上"子式非零"的推理一步步长出来的。考试时忘了表，就从钥匙公式现场推。
##### ② 📐 正式陈述
设 A 是 n 阶方阵（n ≥ 2），A* 是 A 的伴随矩阵。则 A* 的秩只取决于 A 的秩，规律如下：
| r(A) 的值 | r(A*) 的值 | 通俗解释 |
|:---------:|:----------:|----------|
| r(A) = n | r(A*) = n | A 满秩，A* 也满秩——"体检满分，概括表也满分" |
| r(A) = n-1 | r(A*) = 1 | A 亏了恰好一秩——"只剩一个关键信息，概括表抓住了它" |
| r(A) < n-1 | r(A*) = 0 | A 亏了两秩以上——"信息全散了，概括表也报废" |
**只有三种情况，没有第四种。** 这就是伴随矩阵秩的全部秘密。
##### ③ 🧠 完整推导
一切推导的出发点都是伴随矩阵的核心公式：
```
A · A* = A* · A = |A| · E
```
这个公式就是"万能钥匙"——把 A 的秩的信息"传导"给 A*。
---
**第1步：r(A) = n（满秩）时 → r(A*) = n**
若 r(A) = n，则 A 满秩 → A 可逆 → |A| ≠ 0。
由核心公式 A·A* = |A|·E，两边左乘 A⁻¹：
```
A* = |A| · A⁻¹
```
A⁻¹ 也可逆（满秩），乘以非零数 |A| 不改变秩（因为 |A| ≠ 0 时，乘以非零标量只是把每个元素放大，不改变行/列的独立关系）。所以 A* 也可逆、满秩：
```
r(A*) = n
```
> 大白话：A 身体健康（可逆），A* 就是它的"精装简历"——把 A 的逆矩阵放大 |A| 倍。简历当然同样完整（满秩），所有信息都在。
---
**第2步：r(A) = n-1 时 → r(A*) = 1（最核心！）**
这是三种情况中推导最精彩、考试最常考的一种。
**2a. 先证 r(A*) ≤ 1**
因为 r(A) = n-1 < n，所以 A 不满秩 → |A| = 0。代入核心公式：
```
A · A* = 0 · E = 0（零矩阵）
```
这意味着 A* 的**每一列**乘以 A 后都得到零向量。换句话说：**A* 的每一列都属于 A 的零空间**（A 会把它们"压扁成零"）。
由秩-零化度定理（这个公式第4章会证明，这里先记结论；直觉：方程组里自由变量的个数就是解空间的维数）：对于 n 阶方阵 A，其零空间的维数 = n - r(A) = n - (n-1) = 1。
A 的零空间只有 1 维——像一根细线。A* 的所有列都挤在这根 1 维的细线上，所以这些列中最多只有 1 个是独立方向（其余都是它的倍数）。因此：
```
r(A*) ≤ 1
```
> 大白话：A 的零空间是一根"独木桥"，桥宽只够站一个人（维数=1）。A* 所有的列都挤在这座独木桥上——它们必须是同一个方向的（互相成比例），所以独立方向最多 1 个。
**2b. 再证 r(A*) ≥ 1（即 A* ≠ 0）**
r(A) = n-1 意味着：至少存在一个 n-1 阶子式不为零（否则所有的 n-1 阶子式都为零 → 所有更高阶子式也为零 → 秩 ≤ n-2，矛盾）。
设那个非零的 n-1 阶子式对应的位置为划去第 i 行第 j 列。那么这个非零子式乘以 (−1)^(i+j) 就等于代数余子式 Aᵢⱼ——它是 A* 中的一个元素。既然这个代数余子式 ≠ 0，A* 就至少有一个非零元素。所以：
```
A* ≠ 0 → r(A*) ≥ 1
```
> 大白话：r(A)=n-1 意味着"就差一口气满秩"——所有 n 阶子式为零（因为 |A|=0），但至少还有一个 n-1 阶子式挺着没塌。这个挺着的子式就是 A* 里有非零元素的"活证据"——A* 不全是零。
**2c. 合并**：r(A*) ≤ 1 且 r(A*) ≥ 1 → **r(A*) = 1**。✓
---
**第3步：r(A) < n-1 时 → r(A*) = 0**
若 r(A) ≤ n-2，则 A 的**所有** n-1 阶子式全为零（因为最高阶非零子式的阶数 = 秩 ≤ n-2）。
而 A* 的每个元素 Aᵢⱼ 恰好就是某个 n-1 阶子式（乘上正负号）。所有 n-1 阶子式全为零 → 所有代数余子式全为零 → A* 的每一个元素都为零：
```
A* = 0（零矩阵） → r(A*) = 0
```
> 大白话：A 的"地盘"（秩）太小了——连一张 n-1 阶的"分报告"（子式）都填不满，全部是空白。A* 由这些分报告拼成，自然满盘空白——零矩阵，秩为 0。
---
**第4步：数值验证——用同一个 3 阶矩阵家族看三种情况**
取参数 t，构造矩阵：
```
[1 0 0]
A(t) = [0 1 0]
[0 0 t]
```
- **t = 2**：r(A) = 3（满秩）。|A| = 2 ≠ 0。A* = 2·A⁻¹ = 2·diag(1,1,1/2) = diag(2,2,1)，r(A*) = 3 ✓
- **t = 0**：r(A) = 2（亏一秩，= n-1）。|A| = 0。A* = diag(0,0,1)（只有 (3,3) 位置的代数余子式非零），r(A*) = 1 ✓
- **r(A) 再掉一档（t=0 之外的情形）**：要找一个 r(A) = 1（< n-1 = 2）的具体例子，可取 A = diag(1, 0, 0)。此时 |A| = 0，且所有 2 阶子式全为零（每个 2 阶子式都含一整行或一整列的 0），所以 r(A) = 1。于是所有代数余子式全为 0 → A* = 0 → r(A*) = 0 ✓
##### ④ 📝 推导复盘
整个推导的核心链只用一条公式 A·A* = |A|·E：
- r(A)=n → |A|≠0 → A*=|A|·A⁻¹ 满秩
- r(A)=n-1 → |A|=0 → A·A*=0 → A* 的列在 A 的零空间 → 零空间维数 = 1 → r(A*)≤1；又因有 n-1 阶子式非零 → A*≠0 → r(A*)≥1 → r(A*)=1
- r(A)
⭐⭐⭐ 核心——选择题几乎每年必考，三种情况必须背熟
> ✍️ **立刻练一道**（用刚推出的三档规律）：设 A 为 3 阶方阵，|A| = 2，求 r(A*)；若 |A| = 0 且 r(A) = 2，再求 r(A*)。
>
> 📖 点击看答案
>
> (1) |A| = 2 ≠ 0 → r(A) = 3（满秩）→ 第一档"满则满" → **r(A*) = 3**。(2) |A| = 0 且 r(A) = 2 = n−1 → 第二档"亏一则一" → **r(A*) = 1**（这正是题2-12b）。
>
> 📖 点击看答案
>
> E(1,3) = $\begin{bmatrix} 0 & 0 & 1 \\ 0 & 1 & 0 \\ 1 & 0 & 0 \end{bmatrix}$。左乘 A = 交换 A 的第 1 行和第 3 行 → $\begin{bmatrix} 7 & 8 & 9 \\ 4 & 5 & 6 \\ 1 & 2 & 3 \end{bmatrix}$（这正是题2-5；逆矩阵是它自己，再交换一次就回去）。
>
> 📖 点击看答案
>
> A 的三行全成比例（第2行=2×第1行、第3行=3×第1行），r(A) = 1；B 是 3×3 矩阵，三行也成比例（第2行=2×第1行、第3行=0×第1行），r(B) = 1。两者同型（都是 3×3）且秩相等 → **等价**。等价标准形：A 化到 $\begin{bmatrix} 1 & 0 & 0 \\ 0 & 0 & 0 \\ 0 & 0 & 0 \end{bmatrix}$，B 化到 $\begin{bmatrix} 1 & 0 & 0 \\ 0 & 0 & 0 \\ 0 & 0 & 0 \end{bmatrix}$——都是"左上角一个 [1]、其余全零"，这正是"秩同为 1"的同一张底片。
>
> 📖 点击看答案
>
> 分块对角矩阵的行列式 = 各对角块行列式相乘：左上块 $\begin{bmatrix} 2 & 1 \\ 3 & 5 \end{bmatrix}$ 的行列式 = 2×5−1×3 = 7；右下块 $\begin{bmatrix} 3 & 1 \\ 4 & 2 \end{bmatrix}$ 的行列式 = 3×2−1×4 = 2。所以 |M| = 7×2 = **14**（这正是题2-24，也可以用 4 阶行列式直接展开验证，结果一致）。
>
>
📖 点击展开解答
做初等行变换：
```
[1 1 1 ] R₂-R₁ [1 1 1 ]
[1 a 1 ] ────→ [0 a-1 0 ]
[1 1 a] R₃-R₁ [0 0 a-1]
```
- 若 a ≠ 1：三个主对角线元素都不为 0 → 3 个非零行 → **r(A) = 3**
- 若 a = 1：矩阵变为 $\begin{bmatrix} 1 & 1 & 1 \\ 0 & 0 & 0 \\ 0 & 0 & 0 \end{bmatrix}$ → 1 个非零行 → **r(A) = 1**
- 不存在 r(A) = 2 的情况（因为 a-1 要么全不为 0，要么全为 0）
✅ 答案：a ≠ 1 时 r(A) = 3；a = 1 时 r(A) = 1。
> 本题使用模板D：矩阵的秩的计算。
---
#### 🗣️ 出声思考：像扫雷一样求含参数的秩
> 含参数的秩最考验人——你得一边消元，一边留意"参数会不会让某一行突然塌成零"。跟着我边扫边想。
题目：讨论 a 取何值时，A = $\begin{bmatrix} 1 & 1 & 1 \\ 1 & 2 & 4 \\ 1 & 3 & a \end{bmatrix}$ 的秩分别是多少。
> **① 第一反应**：求秩就是"数一数消去后还剩几行真信息"。有参数 a 藏在右下角，我要提防它捣乱。
>
> **② 找据点开扫**：左上角 (1,1)=1 是个稳固的非零据点，用它把下面两行第 1 列扫成 0：R₂-R₁、R₃-R₁ → $\begin{bmatrix} 1 & 1 & 1 \\ 0 & 1 & 3 \\ 0 & 2 & a-1 \end{bmatrix}$。
>
> **③ 继续往右下推**：第 2 行据点 (2,2)=1，扫第 3 行：R₃-2R₂ → 第 3 行变成 `[0, 0, (a-1)-6]` = `[0, 0, a-7]`。
>
> **④ 参数登场，分情况**：现在死盯右下角那个 a-7。**若 a≠7**，它非零 → 三行都是非零行 → 秩 = 3。**若 a=7**，第 3 行整行塌成 [0,0,0] → 只剩两行真信息 → 秩 = 2。
>
> **⑤ 回头检查**：我特意确认过——不管 a 取几，前两行的据点 1、1 都不会变零，所以秩至少是 2，只有第 3 行受 a 控制。结论稳：a≠7 时秩为 3，a=7 时秩为 2。
#### 配套练习
#### 题2-4 ⭐ 基础 | 用模板D（矩阵的秩）
求下面矩阵的秩：
```
A = [1 2 3]
[2 4 6]
[3 6 9]
```
📖 点击查看答案
观察：第 2 行 = 第 1 行 × 2，第 3 行 = 第 1 行 × 3。三行都是第一行的倍数！
做初等行变换：
```
[1 2 3] R₂-2R₁ [1 2 3]
[2 4 6] ────→ [0 0 0]
[3 6 9] R₃-3R₁ [0 0 0]
```
非零行只有 1 行 → **r(A) = 1**
✅ 答案：秩 = 1
> 本题使用模板D：矩阵的秩的计算。先观察有没有明显成比例的行，能省很多计算。
---
#### 题2-20 ⭐ 基础 | 用模板D（求矩阵的秩）
求下面矩阵的秩：
```
A = [1 2 3]
[4 5 6]
[5 7 9]
```
提示：先观察行与行之间有没有关系，再做初等行变换确认。
📖 点击查看答案
**先观察**：第 3 行 = 第 1 行 + 第 2 行吗？
- 1 + 4 = 5 ✓
- 2 + 5 = 7 ✓
- 3 + 6 = 9 ✓
没错！第三行恰好是第一行和第二行的和。这意味着第三行不是"独立的"——它完全可以由前两行拼出来。
**用初等行变换验证**：
```
[1 2 3] R₃-R₁-R₂ [1 2 3]
[4 5 6] ────────→ [4 5 6]
[5 7 9] [0 0 0]
```
第三行变成了全零行。再消第二行：
```
[1 2 3] R₂-4R₁ [1 2 3]
[4 5 6] ──────→ [0 -3 -6]
[0 0 0] [0 0 0]
```
非零行有 2 行 → **r(A) = 2**
✅ 答案：秩 = 2
> 💡 先观察再动手。如果一眼就能看出某行是其他行的组合，可以大大提高解题速度。这道题中第三行 = 第一行 + 第二行，所以秩不可能超过 2；而前两行不成比例（1:4 ≠ 2:5），所以秩恰好是 2。
> 本题使用模板D：矩阵的秩的计算。
---
#### 题2-9 ⭐⭐ 中等 | 用模板D（含参数的秩讨论）
讨论参数 λ 取何值时，下面矩阵的秩分别为 3、2、1：
```
A = [λ 1 1]
[1 λ 1]
[1 1 λ]
```
📖 点击查看答案
做初等行变换：
R₁ ↔ R₃（先把第 1 行换一下让计算更方便，注意换行不改变秩！）：
```
[1 1 λ]
[1 λ 1]
[λ 1 1]
```
R₂ - R₁, R₃ - λR₁：
```
[1 1 λ ]
[0 λ-1 1-λ ]
[0 1-λ 1-λ² ]
```
R₃ + R₂：
```
[1 1 λ ]
[0 λ-1 1-λ ]
[0 0 2-λ-λ² ]
```
注意到 2-λ-λ² = -(λ²+λ-2) = -(λ+2)(λ-1)
**(1)** 当 λ ≠ 1 且 λ ≠ -2 时：
三行主元都不为 0 → **r(A) = 3**（满秩）
**(2)** 当 λ = 1 时：
```
[1 1 1]
[0 0 0]
[0 0 0]
```
→ **r(A) = 1**
**(3)** 当 λ = -2 时：
```
[1 1 -2]
[0 -3 3]
[0 0 0]
```
→ 两个非零行 → **r(A) = 2**
✅ 答案：λ ≠ 1 且 λ ≠ -2 时 r(A) = 3；λ = -2 时 r(A) = 2；λ = 1 时 r(A) = 1。
> 本题使用模板D：矩阵的秩的计算（含参数）。
---
#### 题2-27 ⭐⭐ 中等 | 用模板D（含参数的秩讨论）
讨论参数 λ 取何值时，下面矩阵的秩分别为 3、2、1：
```
A = [1 1 1]
[2 3 3]
[0 1 λ]
```
📖 点击查看答案
**第1步**：做初等行变换，把矩阵化成阶梯形。
```
A = [1 1 1]
[2 3 3]
[0 1 λ]
```
R₂ - 2R₁：
```
[1 1 1 ]
[0 1 1 ]
[0 1 λ ]
```
R₃ - R₂：
```
[1 1 1 ]
[0 1 1 ]
[0 0 λ-1 ]
```
**第2步**：根据阶梯形的主元（每行第一个非零数），分情况讨论。
阶梯形矩阵的三个"台阶"主元分别是 1、1、λ-1。
**(1) 当 λ ≠ 1 时**：三个主元全不为零 → **r(A) = 3**（满秩）
**(2) 当 λ = 1 时**：第三个主元 λ-1 = 0，第三行变为全零行。
此时阶梯形为：
```
[1 1 1]
[0 1 1]
[0 0 0]
```
有两个非零行 → **r(A) = 2**
**(3) r(A) = 1 是否可能？**
r(A) = 1 意味着所有行都成比例（互相是倍数关系）。但观察前两行：(1,1,1) 和 (2,3,3) 不成比例（1:2 ≠ 1:3），所以化阶梯形后第 1、2 行不可能同时变成全零行——至少保留 2 个台阶，**r(A) ≥ 2 恒成立**。因此 **r(A) = 1 在此矩阵中不可能出现**。
✅ 答案：λ ≠ 1 时 r(A) = 3；λ = 1 时 r(A) = 2；不存在使 r(A) = 1 的 λ 值。
> 💡 这道题的教训：讨论参数对秩的影响，关键是化成阶梯形后看"哪些位置可能因参数取值而变成零"。本题中前两行明显不成比例，所以秩至少为 2——先做直觉判断能避免很多无用计算。
> 本题使用模板D：矩阵的秩的计算（含参数）。
---
#### 题2-12b ⭐⭐ 中等 | 用模板D（伴随矩阵的秩）
设 A 为 3 阶方阵，|A| = 2。求 r(A*)。若 |A| = 0 且 r(A) = 2 呢？
📖 点击查看答案
**(1) |A| = 2 ≠ 0 → r(A) = 3（满秩）**
由伴随矩阵的秩公式：r(A) = n 时，r(A*) = n = **3**。
验证：A 可逆 → A* = |A|·A⁻¹ = 2A⁻¹，A⁻¹ 也是满秩 → r(A*) = 3 ✓
**(2) |A| = 0, r(A) = 2 = n-1**
由伴随矩阵的秩公式：r(A) = n-1 时，r(A*) = **1**。
**💬 通俗理解**：当矩阵亏了恰好一秩（空间从 3 维被压成了 2 维），伴随矩阵还剩最后一点独立信息（秩为 1）。就像一个快要干涸的湖，还剩最后一条水流。
> 💡 这个知识点几乎是每年选择题的必考点——三种情况一定要记牢。
---
#### 题2-16 ⭐⭐⭐ 真题 | 用模板D+综合（秩的证明）
设 A 是 m×n 矩阵，B 是 n×s 矩阵。证明：r(AB) ≤ min(r(A), r(B))。
📖 点击查看答案
**证法一（从线性方程组角度）**：
> 🔮 证法一用到第 4 章才教的"解空间"概念。第一遍建议直接读证法二，学完第 4 章再回看证法一。
ABx = 0 的解空间包含了 Bx = 0 的解空间（因为若 Bx = 0，则 ABx = A·0 = 0）。
所以 (ABx = 0 的解空间维数) ≥ (Bx = 0 的解空间维数)。
即 s - r(AB) ≥ s - r(B)
→ r(AB) ≤ r(B)
另一方面，r(AB) = r((AB)ᵀ) = r(BᵀAᵀ) ≤ r(Aᵀ) = r(A)（用刚证的结论）。
所以 r(AB) ≤ r(A) 且 r(AB) ≤ r(B)，即 r(AB) ≤ min(r(A), r(B))。
**证法二（从列向量角度，更直观）**：
AB 的每一个列都是 A 的列向量的线性组合（以 B 的对应列为系数）。
所以 AB 的列向量都在 A 的列空间里 → 秩不会超过 A 的秩 → r(AB) ≤ r(A)。
同理，AB 的每一个行都是 B 的行向量的线性组合 → r(AB) ≤ r(B)。
所以 r(AB) ≤ min(r(A), r(B))。证毕。
> 这个不等式是矩阵秩的最基本性质之一，考研中经常直接引用。
---
#### 题2-32 ⭐⭐⭐ 综合 | 用模板D综合（关于秩的多选题）
设 A、B 均为 n 阶方阵（n ≥ 2）。判断以下 5 个说法的正误，并指出其中正确的有几个。
(1) r(A + B) ≤ r(A) + r(B)
(2) r(AB) ≤ min(r(A), r(B))
(3) 若 AB = 0，则 r(A) + r(B) ≤ n
(4) 若 P 为可逆矩阵（即 |P| ≠ 0），则 r(PA) = r(A)
(5) r(AB) = r(BA) 恒成立
📖 点击查看答案
逐条判断：
**(1) r(A + B) ≤ r(A) + r(B) —— 正确。**
通俗理解：A + B 的每一列都是"A 的对应列 + B 的对应列"，而"A 的列"和"B 的列"分别由 r(A) 个和 r(B) 个独立方向张成。合在一起最多提供 r(A) + r(B) 个独立方向——可能更少（如果有重叠），但绝不会更多。所以 r(A+B) ≤ r(A) + r(B)。
**(2) r(AB) ≤ min(r(A), r(B)) —— 正确。**
这是矩阵秩最基本的不等式（题 2-16 已证明过）。AB 的秩既不超过 A 的秩，也不超过 B 的秩。
**(3) 若 AB = 0，则 r(A) + r(B) ≤ n —— 正确。**
> 📌 **先记住结论、考试直接用**：AB = 0 时 **r(A) + r(B) ≤ n**。这是 Sylvester 秩不等式 r(A)+r(B) ≤ n + r(AB) 在 AB = 0 时的特例（此时 r(AB) = 0）。完整推导要用到"零空间"概念，第 4 章会展开讲，这里先记结论。
**(4) 若 P 可逆，则 r(PA) = r(A) —— 正确。**
可逆矩阵就是"满秩矩阵"，乘可逆矩阵 = 做一整套可逆的行变换（或列变换），行变换不改变矩阵的秩。所以 r(PA) = r(A)。同理 r(AQ) = r(A)（Q 可逆时）。
**(5) r(AB) = r(BA) 恒成立 —— 错误！**
这是一个常见陷阱。反例：
```
A = [1 0] B = [0 1]
[0 0] [0 0]
```
AB = $\begin{bmatrix} 1 & 0 \\ 0 & 0 \end{bmatrix}$ × $\begin{bmatrix} 0 & 1 \\ 0 & 0 \end{bmatrix}$ = $\begin{bmatrix} 0 & 1 \\ 0 & 0 \end{bmatrix}$，r(AB) = 1
BA = $\begin{bmatrix} 0 & 1 \\ 0 & 0 \end{bmatrix}$ × $\begin{bmatrix} 1 & 0 \\ 0 & 0 \end{bmatrix}$ = $\begin{bmatrix} 0 & 0 \\ 0 & 0 \end{bmatrix}$，r(BA) = 0
1 ≠ 0，所以 r(AB) ≠ r(BA)。
---
**结论**：5 个说法中，4 个正确（1-4），1 个错误（5）。
✅ 答案：正确的有 4 个（说法 1、2、3、4）。
> 🎓 **命题思路**：考研选择题中，关于秩的命题经常以"下列说法正确的有几个"的形式出现。这类题的特点是每个选项看起来都"有点像对的"，需要你对秩的每条性质有精确的边界感——知道它什么时候成立、什么时候不成立。本题中(5)是最容易踩的坑：很多同学潜意识里把矩阵乘法当成"差不多对称"的，但 r(AB) 和 r(BA) 可能完全不同。
> 本题使用模板D综合：矩阵秩的性质判断。
---
### 题型E：初等变换与初等矩阵
> 🔔 **课前激活**（动笔写30秒再往下读）
>
> 题目说"把矩阵的第1行和第3行交换了"——然后问你"这相当于在矩阵左边乘了一个什么矩阵？"如果把"操作"本身翻译成一个矩阵——就像把"把门关上"这个动作写成一条指令——这道题就是考你能不能把操作翻译成矩阵、把矩阵翻译回操作。特别注意一个坑：同一个操作，"贴在左边"和"贴在右边"效果完全不同——你能想象为什么会不同吗？
> #### 先做一道"翻译题"：把操作翻成矩阵、再把矩阵翻回操作
>
> 看到这题，先别慌。给你一张矩阵：
> ```
> P = [1 0 0]
> [0 0 1]
> [0 1 0]
> ```
> 要你回答两个问题：**它是对单位矩阵做了什么操作得到的？它左乘 A 会有什么效果？**
>
> **难在哪？** 这就是"操作卡"的正反两用——先跟单位矩阵 $\begin{bmatrix} 1 & 0 & 0 \\ 0 & 1 & 0 \\ 0 & 0 & 1 \end{bmatrix}$ 比一比，看 P 把单位矩阵改了什么。
>
> 动手试探：单位矩阵的第 2 行是 [0 1 0]、第 3 行是 [0 0 1]；而 P 的第 2 行是 [0 0 1]、第 3 行是 [0 1 0]——**第 2 行和第 3 行交换了**！所以 P = E(2,3)。
>
> 🔍 **回头看看**：做完了发现，这类题其实就两步——**①对比单位矩阵，识别操作类型（交换/倍乘/倍加）②按"行左列右"判断作用方向**。左乘 P 就是交换 A 的第 2 行和第 3 行。下面把完整的对照表和步骤列出来。
**🎯 识别特征**：题目描述对矩阵做了某种操作（"交换两行""某行乘 k""某行加到某行"），问这等价于左乘还是右乘了什么矩阵；或者反过来，给出初等矩阵，问它做了什么操作。
**📋 解题步骤**：
```
第1步：识别操作类型 → 是交换、倍乘还是倍加？
第2步：判断方向 → 行变换还是列变换？
- 行变换 → 左乘初等矩阵
- 列变换 → 右乘初等矩阵
第3步：写出对应的初等矩阵（以单位矩阵为基础，做一次同样操作）
第4步：如果需要逆操作 → 用逆矩阵口诀
```
**🔑 三种初等矩阵对照表**：
| 对单位矩阵的操作 | 初等矩阵记号 | 左乘效果 | 逆矩阵 |
|-----------------|-------------|---------|--------|
| 交换第 i、j 行 | E(i,j) | 交换 A 的第 i、j 行 | 自身 |
| 第 i 行乘 k | E(i(k)) | A 的第 i 行乘 k | E(i(1/k)) |
| 第 j 行乘 k 加到第 i 行 | E(i,j(k)) | A 的第 j 行乘 k 加到第 i 行 | E(i,j(-k)) |
**⚠️ 最容易错的地方**：
倍加矩阵左乘和右乘时的"角色互换"：
- **左乘** E(i,j(k))：把第 **j** 行的 k 倍加到第 **i** 行
- **右乘** E(i,j(k))：把第 **i** 列的 k 倍加到第 **j** 列（i 和 j 角色互换！）
**📝 典型例题**：
下列矩阵是将单位矩阵做何种操作得到的？它左乘 A 有什么效果？
```
[1 0 0]
P = [0 0 1]
[0 1 0]
```
📖 点击展开解答
对比单位矩阵 $\begin{bmatrix} 1 & 0 & 0 \\ 0 & 1 & 0 \\ 0 & 0 & 1 \end{bmatrix}$：
P 的第 2 行和第 3 行交换了 → P = E(2,3)
左乘 A 的效果：交换 A 的第 2 行和第 3 行。
逆矩阵：P 自己（因为把第 2 行和第 3 行再交换一次就恢复了）。
> 本题使用模板E：初等变换与初等矩阵。
#### 配套练习
#### 题2-5 ⭐ 基础 | 用模板E（初等变换与初等矩阵）
写出 3 阶初等矩阵 E(1,3)（交换第 1 行和第 3 行），然后计算它左乘 $\begin{bmatrix} 1 & 2 & 3 \\ 4 & 5 & 6 \\ 7 & 8 & 9 \end{bmatrix}$ 的结果。
📖 点击查看答案
单位矩阵交换第 1 和第 3 行：
```
E(1,3) = [0 0 1]
[0 1 0]
[1 0 0]
```
左乘 A（交换 A 的第 1 行和第 3 行）：
```
[0 0 1] × [1 2 3] [7 8 9]
[0 1 0] [4 5 6] = [4 5 6]
[1 0 0] [7 8 9] [1 2 3]
```
结果验证了：左乘 E(1,3) = 交换第 1 行和第 3 行 ✓
> 💡 E(1,3) 的逆矩阵就是它自己——再交换一次就回去了。
> 本题使用模板E：初等变换与初等矩阵。
---
#### 题2-23 ⭐ 基础 | 用模板E（初等矩阵类型识别）
以下是三个 3 阶初等矩阵。对每个矩阵，回答：(1) 它对单位矩阵做了什么操作？(2) 它左乘 A 会有什么效果？(3) 它的逆矩阵是什么？
```
[1 0 0] [0 1 0] [1 0 0]
P₁ = [0 2 0] P₂ = [1 0 0] P₃ = [0 1 0]
[0 0 1] [0 0 1] [3 0 1]
```
📖 点击查看答案
**P₁ = $\begin{bmatrix} 1 & 0 & 0 \\ 0 & 2 & 0 \\ 0 & 0 & 1 \end{bmatrix}$**
(1) 将单位矩阵的**第 2 行乘以 2**。记作 E(2(2))。
(2) 左乘 A 的效果：把 A 的**第 2 行乘以 2**（其他行不变）。
(3) 逆矩阵：把"乘 2"的操作撤销 → 第 2 行乘以 1/2。所以 P₁⁻¹ = $\begin{bmatrix} 1 & 0 & 0 \\ 0 & 1/2 & 0 \\ 0 & 0 & 1 \end{bmatrix}$ = E(2(1/2))。
---
**P₂ = $\begin{bmatrix} 0 & 1 & 0 \\ 1 & 0 & 0 \\ 0 & 0 & 1 \end{bmatrix}$**
(1) 将单位矩阵的**第 1 行和第 2 行交换**。记作 E(1,2)。
(2) 左乘 A 的效果：交换 A 的**第 1 行和第 2 行**。
(3) 逆矩阵：再交换一次就回来了 → 它自己！P₂⁻¹ = P₂ = $\begin{bmatrix} 0 & 1 & 0 \\ 1 & 0 & 0 \\ 0 & 0 & 1 \end{bmatrix}$。
---
**P₃ = $\begin{bmatrix} 1 & 0 & 0 \\ 0 & 1 & 0 \\ 3 & 0 & 1 \end{bmatrix}$**
(1) 将单位矩阵的**第 1 行乘以 3 加到第 3 行**。记作 E(3,1(3))。
(2) 左乘 A 的效果：把 A 的**第 1 行乘以 3，加到第 3 行**。
(3) 逆矩阵："加 3 倍"的逆操作是"减 3 倍"，即加 -3 倍。所以 P₃⁻¹ = $\begin{bmatrix} 1 & 0 & 0 \\ 0 & 1 & 0 \\ -3 & 0 & 1 \end{bmatrix}$ = E(3,1(-3))。
---
✅ 答案总结：
| 矩阵 | 操作 | 左乘效果 | 逆矩阵 |
|------|------|---------|--------|
| P₁ | 第2行×2 | A第2行×2 | 第2行×1/2 |
| P₂ | 交换1、2行 | 交换A的1、2行 | 它自己 |
| P₃ | 第1行×3加第3行 | A第1行×3加第3行 | 第1行×(-3)加第3行 |
> 💡 三种初等矩阵的逆矩阵口诀：(1) 交换的逆是自己；(2) 倍乘的逆是取倒数；(3) 倍加的逆是取相反数。
> 本题使用模板E：初等变换与初等矩阵。
---
#### 题2-29 ⭐⭐ 中等 | 用模板E（初等矩阵乘积识别）
对某个 3 阶矩阵 A 依次进行以下三个行变换操作：
1. 交换第 1 行和第 2 行
2. 把第 2 行的 3 倍加到第 3 行
3. 把第 1 行乘以 2
问：
(1) 用初等矩阵的乘积表示整个变换（即找出矩阵 P，使变换后的结果 = P × A）。
(2) 这个变换的逆变换是什么？写出逆变换对应的初等矩阵乘积。
(3) 计算 P 的具体形式，并说明 P 左乘 A 的效果是什么。
📖 点击查看答案
**(1) 用初等矩阵乘积表示变换。**
回忆规则："行左列右"——对行做操作 = 左乘对应的初等矩阵。多个操作按**从先到后的顺序**依次左乘（先做的写在最右边，因为离 A 最近）。
- 操作 1（交换第 1、2 行）→ 左乘 E(1,2)
- 操作 2（第 2 行的 3 倍加到第 3 行）→ 左乘 E(3,2(3))
- 操作 3（第 1 行乘以 2）→ 左乘 E(1(2))
变换结果 = **E(1(2)) × E(3,2(3)) × E(1,2) × A**
所以 P = E(1(2))·E(3,2(3))·E(1,2)。
写出每个初等矩阵：
```
E(1,2) = [0 1 0] E(3,2(3)) = [1 0 0] E(1(2)) = [2 0 0]
[1 0 0] [0 1 0] [0 1 0]
[0 0 1] [0 3 1] [0 0 1]
```
**(2) 逆变换。**
逆变换 = 把三个操作倒过来做，每个操作取逆：
- 操作 3 的逆：第 1 行除以 2 → 左乘 E(1(1/2))
- 操作 2 的逆：第 2 行的 -3 倍加到第 3 行 → 左乘 E(3,2(-3))
- 操作 1 的逆：交换第 1 行和第 2 行（交换的逆就是自己）→ 左乘 E(1,2)
P⁻¹ = E(1,2) × E(3,2(-3)) × E(1(1/2))
注意顺序：逆变换时最先撤销的是最后做的操作 3，所以 E(1(1/2)) 离 A 最近，写在最右边。
**(3) 计算 P 的具体形式。**
先算 E(3,2(3)) × E(1,2)：
```
[1 0 0] [0 1 0] [0 1 0]
[0 1 0] × [1 0 0] = [1 0 0]
[0 3 1] [0 0 1] [3 0 1]
```
再乘 E(1(2))：
```
P = [2 0 0] [0 1 0] [0 2 0]
[0 1 0] × [1 0 0] = [1 0 0]
[0 0 1] [3 0 1] [3 0 1]
```
✅ 答案：
```
[0 2 0]
P = [1 0 0]
[3 0 1]
```
**P 左乘 A 的效果**：设 A 的三行分别为 r₁、r₂、r₃（列向量形式）。则：
```
P × A = $\begin{bmatrix} 0 & 2 & 0 \\ 1 & 0 & 0 \\ 3 & 0 & 1 \end{bmatrix}$ × [r₁] = [2r₂ ]
[r₂] [r₁ ]
[r₃] [3r₁+r₃ ]
```
即：先交换第 1、2 行，再把新第 2 行（原 r₁）的 3 倍加到第 3 行，最后把新第 1 行（原 r₂）乘以 2。这三个步骤打包在一起，就是左乘矩阵 P。
> 💡 这道题的关键是记住两件事：(1) "行左列右"——行变换 = 左乘初等矩阵；(2) 多个初等矩阵乘积的顺序——先对 A 做的操作，其对应的初等矩阵离 A 最近（写在整个乘积的最右边）。
> 本题使用模板E：初等变换与初等矩阵。
---
#### 题2-12c ⭐⭐ 中等 | 用模板B+E综合（初等变换与逆矩阵）
已知 3 阶矩阵 A 经过初等行变换：先交换第 1、2 行，再将第 1 行的 2 倍加到第 3 行，得到矩阵 B。用 A 表示 B；并写出对应的初等矩阵乘积形式。
📖 点击查看答案
**第1步**：交换 A 的第 1、2 行 → 等于左乘 E(1,2)。
结果：E(1,2) × A
**第2步**：对上面结果，将第 1 行的 2 倍加到第 3 行 → 等于左乘 E(3,1(2))。
结果：E(3,1(2)) × (E(1,2) × A) = E(3,1(2))·E(1,2) × A
所以 **B = E(3,1(2))·E(1,2) × A**。
具体写出：
E(1,2) = $\begin{bmatrix} 0 & 1 & 0 \\ 1 & 0 & 0 \\ 0 & 0 & 1 \end{bmatrix}$（交换 1、2 行）
E(3,1(2)) = $\begin{bmatrix} 1 & 0 & 0 \\ 0 & 1 & 0 \\ 2 & 0 & 1 \end{bmatrix}$（第 1 行的 2 倍加到第 3 行）
B = $\begin{bmatrix} 1 & 0 & 0 \\ 0 & 1 & 0 \\ 2 & 0 & 1 \end{bmatrix}$ × $\begin{bmatrix} 0 & 1 & 0 \\ 1 & 0 & 0 \\ 0 & 0 & 1 \end{bmatrix}$ × A
反过来，A = [E(3,1(2))·E(1,2)]⁻¹ × B = E(1,2)⁻¹ · E(3,1(2))⁻¹ × B
= E(1,2) · E(3,1(-2)) × B（交换的逆是自己，倍加的逆取反）
> 💡 多个初等变换叠加 = 对应的初等矩阵按**从先到后的顺序左乘**。注意顺序不能反——先做的操作对应的初等矩阵写在最右边（最先接触 A）。
---
### 题型F：分块矩阵的运算
> 🔔 **课前激活**（动笔写30秒再往下读）
>
> 你眼前有一张大表格，左上角一块、右下角一块有明显的数字，而右上角和左下角全是零。整张表看起来就像两个独立的"小方块"各自管各自的事。这种情况下，你求整张表的行列式、逆矩阵时，是不是可以"各管各的"分别处理？但如果四块都不全为零——比如右上角多了一块"连接地带"——那规则会不会变？
> #### 先看一眼"最友善"的那种分块：全零块占两个角
>
> 看到这题，先别慌。你手上是这张 4 阶矩阵：
> ```
> B = [A 0]
> [0 C] 其中 A = $\begin{bmatrix} a & b \\ b & a \end{bmatrix}$，C = $\begin{bmatrix} a & b \\ b & a \end{bmatrix}$（都是方阵）
> ```
> **难在哪？** 让你算 |B|——直接按 4 阶行列式硬展开？太累。但 B 左上、右下各一个方块，右上左下全是 0，活像一栋"双拼别墅"——各管各的。那 |B| 会不会就是"各算各的、乘起来"？
>
> 动手试探：拿最简单的情形验证一下——A = C = [2]（1 阶），则 B = diag(2,2)，|B| = 4 = 2×2 = |A|×|C|。再试 A = $\begin{bmatrix} 1 & 2 \\ 2 & 1 \end{bmatrix}$、C = $\begin{bmatrix} 3 & 4 \\ 4 & 3 \end{bmatrix}$？按 4 阶展开算一遍太烦——但直觉和刚才一致：**分块对角矩阵的行列式 = 各对角块行列式相乘**，即 |B| = |A|·|C|。
>
> 🔍 **回头看看**：分块的核心就一条——**把每个块当成"一个数"，按矩阵运算法则处理**。全零块能让运算直接塌缩，所以"分块"总优先把零块切出来。下面把分块矩阵的常用结论和四步流程列全。
**🎯 识别特征**：矩阵的结构有明显的"分块"特征——比如一大块全为零，或者有明显的对角块结构。
**📋 解题步骤**：
```
第1步：观察矩阵结构 → 能否自然地分成 2×2 或更多块？
第2步：确定分块方式 → 让尽量多的块是零矩阵或特殊矩阵
第3步：按分块运算法则计算 → 把每块当"元素"，按矩阵乘法规则运算
第4步：还原结果 → 把分块结果拼回完整矩阵
```
**🔑 常用结论**：
分块对角矩阵：
```
B = [A 0] |B| = |A| × |C|
[0 C] B⁻¹ = [A⁻¹ 0 ]
[ 0 C⁻¹]
```
分块上三角矩阵：
```
B = [A D] |B| = |A| × |C|
[0 C]
```
**⚠️ 最容易错的地方**：
- 分块方式必须保证对应块的维度匹配（能相乘）
- 分块矩阵的行列式公式要求对角线上的块 A、C 必须是方阵
#### 配套练习
#### 题2-24 ⭐ 基础 | 用模板F（分块对角矩阵的行列式）
计算下面 4 阶矩阵的行列式：
```
[2 1 | 0 0]
[3 5 | 0 0]
M = [---- + ----]
[0 0 | 3 1]
[0 0 | 4 2]
```
提示：这是一个分块对角矩阵，可以拆成两个互不干扰的小块。
📖 点击查看答案
**观察结构**：M 的左上角是一个 2×2 块，右下角是另一个 2×2 块，其余位置全是零。这就像一个"双拼"结构——两个小矩阵各管各的，互不影响。
把 M 写成分块形式：
```
M = [A 0]
[0 C]
其中 A = [2 1] C = [3 1]
[3 5] [4 2]
```
**分块对角矩阵的行列式公式**：|M| = |A| × |C|（只要对角线上两个块都是方阵）。
**计算**：
|A| = 2×5 - 1×3 = 10 - 3 = 7
|C| = 3×2 - 1×4 = 6 - 4 = 2
|M| = |A| × |C| = 7 × 2 = **14**
**换一种方式验证**——把 M 当作普通 4 阶行列式按第 1 行展开：
```
M = [2 1 0 0]
[3 5 0 0]
[0 0 3 1]
[0 0 4 2]
```
按第 1 行展开：2 ×（划去第1行第1列后的3阶行列式）- 1 ×（划去第1行第2列后的3阶行列式）
第一个 3 阶子式（划去第 1 行第 1 列）：
```
|5 0 0|
|0 3 1| = 5 × |3 1| = 5 × (6-4) = 5 × 2 = 10
|0 4 2| |4 2|
```
第二个 3 阶子式（划去第 1 行第 2 列）：
```
|3 0 0|
|0 3 1| = 3 × |3 1| = 3 × 2 = 6
|0 4 2| |4 2|
```
|M| = 2×10 - 1×6 = 20 - 6 = **14** ✓ 结果一致！
✅ 答案：|M| = 14
> 💡 分块对角矩阵的行列式 = 各对角块的**行列式之积**。这就像把一个大任务拆成几个独立的小任务——各算各的，最后乘起来就行。这个技巧在处理高阶行列式时特别省力。
> 本题使用模板F：分块矩阵的运算。
---
#### 题2-30 ⭐⭐ 中等 | 用模板F（分块矩阵的逆——块上三角）
已知分块矩阵：
```
[1 2 | 1 1]
[0 1 | 1 0]
M = [----+------]
[0 0 | 2 0]
[0 0 | 0 2]
```
即 M 是分块上三角形式 M = $\begin{bmatrix} A & B \\ 0 & C \end{bmatrix}$，其中：
```
A = [1 2] B = [1 1] C = [2 0]
[0 1] [1 0] [0 2]
```
求 M 的逆矩阵。
提示：回忆公式 M⁻¹ = $\begin{bmatrix} A⁻¹ & -A⁻¹BC⁻¹ \\ 0 & C⁻¹ \end{bmatrix}$
📖 点击查看答案
**第1步**：分别求 A⁻¹ 和 C⁻¹。
A = $\begin{bmatrix} 1 & 2 \\ 0 & 1 \end{bmatrix}$，用二阶口诀：
A⁻¹ = $\begin{bmatrix} 1 & -2 \\ 0 & 1 \end{bmatrix}$（|A| = 1）
C = $\begin{bmatrix} 2 & 0 \\ 0 & 2 \end{bmatrix}$ = 2E，C⁻¹ = $\begin{bmatrix} 1/2 & 0 \\ 0 & 1/2 \end{bmatrix}$
**第2步**：计算 -A⁻¹BC⁻¹。
先算 BC⁻¹：
```
BC⁻¹ = [1 1] × [1/2 0 ] = [1×1/2+1×0 1×0+1×1/2] = [1/2 1/2]
[1 0] [ 0 1/2] [1×1/2+0×0 1×0+0×1/2] [1/2 0 ]
```
再算 A⁻¹(BC⁻¹)：
```
A⁻¹(BC⁻¹) = [1 -2] × [1/2 1/2] = [1×1/2+(-2)×1/2 1×1/2+(-2)×0] = [-1/2 1/2]
[0 1] [1/2 0 ] [0×1/2+1×1/2 0×1/2+1×0 ] [ 1/2 0 ]
```
取负号：
```
-A⁻¹BC⁻¹ = [ 1/2 -1/2]
[-1/2 0 ]
```
**第3步**：拼装 M⁻¹。
```
[A⁻¹ | -A⁻¹BC⁻¹]
M⁻¹ = [----+-----------]
[ 0 | C⁻¹ ]
```
```
[ 1 -2 | 1/2 -1/2]
M⁻¹ = [ 0 1 | -1/2 0 ]
[------+-------------]
[ 0 0 | 1/2 0 ]
[ 0 0 | 0 1/2 ]
```
✅ 答案见上。
> 💡 回忆公式的记忆法：类比 2 阶矩阵 $\begin{bmatrix} a & b \\ 0 & c \end{bmatrix}$⁻¹ = $\begin{bmatrix} 1/a & -b/(ac) \\ 0 & 1/c \end{bmatrix}$。分块上三角的逆公式结构完全一样——只是把数字换成了矩阵块，把除法换成了求逆和乘法。注意负号那块是 -A⁻¹BC⁻¹，其中 A 和 C 在分母位置（取逆），B 在分子位置——顺序是 A⁻¹·B·C⁻¹，不能写反。
> 本题使用模板F：分块矩阵的运算。
#### 🚨 考研常见命题陷阱（避坑必读）
以下陷阱是历年考生最容易掉进去的，每个陷阱背后都对应着一道或多道真题。
**陷阱1：混淆 (AB)ᵀ 和 AᵀBᵀ**
❌ 错误：(AB)ᵀ = AᵀBᵀ
✅ 正确：(AB)ᵀ = BᵀAᵀ
💬 记忆法：就像穿衣服——穿的时候先内衣后外套，脱的时候先外套后内衣。转置（"脱"操作）把顺序反过来。
**陷阱2：认为 |A+B| = |A| + |B|**
❌ 错误：|A+B| = |A| + |B|
✅ 正确：行列式对加法没有分配律！|A+B| 必须把整个 A+B 算出来后再取行列式，绝对不能拆开。
📝 反例：A = $\begin{bmatrix} 1 & 0 \\ 0 & 0 \end{bmatrix}$，B = $\begin{bmatrix} 0 & 0 \\ 0 & 1 \end{bmatrix}$，|A| = 0，|B| = 0，|A+B| = $\begin{vmatrix} 1 & 0 \\ 0 & 1 \end{vmatrix}$ = 1 ≠ 0+0。
**陷阱3：认为 (A+B)⁻¹ = A⁻¹ + B⁻¹**
❌ 错误：(A+B)⁻¹ = A⁻¹ + B⁻¹
✅ 正确：逆矩阵对加法没有分配律！这个公式完全不存在。只有乘积满足 (AB)⁻¹ = B⁻¹A⁻¹。
**陷阱4：矩阵方程左右乘不分**
❌ 错误：从 AX = B 推出 X = BA⁻¹（右乘了）
✅ 正确：AX = B → A⁻¹AX = A⁻¹B → X = A⁻¹B（必须在**两边左侧**同时乘 A⁻¹）
💬 记忆法：A⁻¹ 要贴到 A 面前才能消除 A。A 在 X 的左边 → A⁻¹ 也必须从左边"贴上去"。
**陷阱5：误用伴随矩阵逆公式**
❌ 错误：不管矩阵可逆不可逆，直接用 A⁻¹ = A*/|A|
✅ 正确：这个公式**只在 |A| ≠ 0 时成立**。如果行列式为 0，伴随矩阵仍然存在，但不能用这个公式算逆矩阵（因为根本没有逆矩阵）。
**陷阱6：秩公式 r(AB) = r(A) 的误用**
❌ 错误：认为 r(AB) = r(A)（总成立）
✅ 正确：仅当 B 可逆时才有 r(AB) = r(A)。一般情况是 r(AB) ≤ min(r(A), r(B))，可能小于 r(A)。
📝 反例：A = $\begin{bmatrix} 1 & 0 \\ 0 & 0 \end{bmatrix}$，B = $\begin{bmatrix} 0 & 0 \\ 0 & 1 \end{bmatrix}$，r(A) = 1，但 AB = 0，r(AB) = 0 < 1。
**陷阱7：将初等行变换和初等列变换混用求逆**
❌ 错误：用 (A|E) 做变换时，行列变换混着做
✅ 正确：初等变换法求逆矩阵时，**只能做行变换**（或强调：只用行变换）。如果同时做了列变换，右边不会自动变成逆矩阵。
**陷阱8：分块矩阵求逆时忘记块也必须可逆**
❌ 错误：对分块对角矩阵 $\begin{bmatrix} A & 0 \\ 0 & B \end{bmatrix}$，认为只要 A 可逆，整体就可逆
✅ 正确：分块对角矩阵可逆的前提是**每个对角块都可逆**。B 如果不可逆，整体不可逆。
**陷阱9：二阶伴随矩阵忘记除以行列式**
❌ 错误：对 A = $\begin{bmatrix} a & b \\ c & d \end{bmatrix}$，直接写 A⁻¹ = $\begin{bmatrix} d & -b \\ -c & a \end{bmatrix}$（忘记除）
✅ 正确：A⁻¹ = $\begin{bmatrix} d & -b \\ -c & a \end{bmatrix}$ / (ad-bc)。口诀"除以行列式"是最后一步，不能省。
**陷阱10：混淆方阵的幂与行列式的幂**
❌ 错误：|Aⁿ| = n|A|
✅ 正确：|Aⁿ| = |A|ⁿ（行列式的 n 次方，不是 n 倍）
区别记忆：|kA| = kⁿ|A|（提因子要 n 次方），但 |Aⁿ| = |A|ⁿ（乘方的行列式 = 行列式的乘方）。
---
---
---
---
## 🧩 行列式专题（自第1章移入：需要矩阵知识，学完本章矩阵运算后再学）
> 📌 这三块内容原本在第1章，但它们用到了逆矩阵、伴随矩阵、矩阵乘法等本章才学的概念。
> 按"零前向引用"原则移到第2章——学完矩阵的基本运算、逆矩阵、分块矩阵后，这里是水到渠成的综合应用。
---
#### 🎯 解题方法
### 题型H：抽象型行列式（行列式专题）
> 🔔 **课前激活**（动笔写30秒再往下读）
>
> 有一类题不给你具体数字，只告诉你"A 是 3 阶矩阵，|A| = 2"。然后问你 |2A⁻¹| 等于多少？——这就像不问"这个箱子长宽高各多少"，而是问"如果我把箱子每条边都拉伸 2 倍，再把箱子翻过来，体积是多少倍？"你需要的是性质公式，不是具体数字。
> 📌 **这节学完你就能回答：**
> - |kA| = kⁿ|A| 中的 n 是什么？为什么不是 k|A|？
> - |A⁻¹| 和 |A| 有什么关系？
> - 怎么利用 |AB| = |A|·|B| 把复杂的矩阵表达式拆开？
#### 先看一道题：已知 A 是 3 阶矩阵，|A| = 2，求 |2A⁻¹|
看到这题，先别慌。
**难在哪？** 这道题没有给你 A 的任何一个数字——所以**不可能硬算**。能用的只有"行列式的性质公式"。可问题是：性质公式那么多，|kA|、|A⁻¹|、|AB|、|A*|……到底该用哪个？
> 🧠 这一步在想什么：把题目拆开看——`|2A⁻¹|` 由两块拼成：外面的"×2"（倍乘）和里面的"求逆"。那就分别问：**① 矩阵整体乘 2，行列式怎么变？**（性质3的推论：每行提一个 2，3 阶提 3 个 → |2A| = 2³|A|）**② A⁻¹ 的行列式和 |A| 什么关系？**（|A⁻¹| = 1/|A|，由 |AB|=|A||B| 推出：A·A⁻¹=E，两边取行列式）两块拼起来：
>
> `|2A⁻¹| = 2³·|A⁻¹| = 8 × (1/2) = 4`。
> 🔍 回头看看：这题的"灵感"就是**把复合表达式拆成零件，每个零件找对应的性质公式，再拼回去**。题目只给了 |A|=2 一个数，所有式子最后都得化成"|A| 的某次方"才能代值。所以抽象型行列式的全部家当就是下面这张"性质公式表"。
📌 **以后就这么办——看到抽象型，先翻这张表**：
**🎯 识别特征**：不给具体数字，给的是矩阵 A 满足某些条件，要求计算 |A| 或相关表达式。
**📋 常用技巧清单**：
| 技巧 | 用法 | 通俗解释 |
|:-----|:----|:---------|
| \|AB\| = \|A\|·\|B\| | 乘积的行列式 = 行列式的乘积 | 先乘再算体积 = 两个体积相乘 |
| \|kA\| = kⁿ\|A\| | n 是矩阵的阶数 | **每行都乘了 k**，所以提 n 个 k |
| \|A⁻¹\| = 1/\|A\| | "逆矩阵"的行列式 = 倒数 | A⁻¹ 是 A 的逆矩阵（2.10 节学过怎么求），就像数字的倒数——忘了就翻回 2.10 节 |
| \|A*\| = \|A\|ⁿ⁻¹ | "伴随矩阵"的行列式 | A* 是伴随矩阵，逆矩阵的"半成品"（第2章讲），先记住它是"由 A 算出来的一个固定矩阵" |
| A·A* = \|A\|·E | 矩阵×伴随 = 行列式×单位阵 | E 是单位矩阵，像数字中的"1"——任何矩阵乘 E 都等于自己（第2章讲） |
> ✍️ **立刻练一道**：已知 3 阶方阵 A 的行列式 |A| = 3，求：(1) |2A| (2) |A⁻¹| (3) |-A|。（答案：24、1/3、-3，详解见配套练习题1-5。）
> 💡 最后三行里的 A⁻¹（逆矩阵）、A*（伴随矩阵）、E（单位矩阵）都在本章前面学过（2.10 逆矩阵、2.11 伴随矩阵、2.8.2 单位矩阵）。这里是它们的行列式公式综合运用——记不清就翻回对应小节。
>
> ⚠️ 还有一个第5章会学到的结论：行列式也等于所有特征值的乘积（|A| = λ₁·λ₂·...·λₙ）。这里先用不上，第 5 章会用到，知道有这么回事就行。
>
> 🛑 **停下来想一想**：|kA| = kⁿ|A|。为什么是 kⁿ 而不是 k？——因为 A 有 n 行，每行都乘了 k。根据性质 3，每行提出一个 k，共 n 个 k 提到行列式外面，所以是 kⁿ。如果你总记成 k，就想"一行提一个 k，n 行提 n 个 k，所以是 kⁿ"。
---
## 🧠 行列式乘积公式的完整推导 —— |AB| = |A|·|B|
> 💡 这是整个线性代数中最"反直觉"的公式之一。两个矩阵相乘（对应两个"空间动作"先后做），行列式（体积放大倍数）竟然是各自行列式的乘积——先拉伸再旋转的总体积放大倍数，等于两次拉伸倍数的乘积。听起来很自然，但从逆序数定义推出来却要费一番功夫。下面给出两种推导路径：第一种用矩阵乘法定义硬推（给想追根溯源的人），第二种用初等变换巧推（给想快速理解的人）。
---
**① 生活场景**：🪆 你有一个俄罗斯套娃——外层娃娃的肚子能装下内层娃娃。外层娃娃把空间放大了|A|倍，内层娃娃又把空间放大了|B|倍。先穿内层再穿外层，总放大倍数自然是|A|×|B|。两个线性变换先后作用，行列式就是各自行列式的乘积——先变形再变形的总放大效果，等于两次放大效果的乘积。
**② 正式陈述**：
- 条件：A、B为n阶方阵
- 结论：|AB| = |A|·|B|
- 重要推论：|A⁻¹| = 1/|A|（因为 A·A⁻¹ = E，|A|·|A⁻¹| = |E| = 1）
- 更重要的推论：|Aⁿ| = |A|ⁿ（n个A连乘）
**③ 🧠 完整推导（路径一：从定义硬推，适合追根究底）**：
> 🔮 **深水区：第一遍可跳过，记住结论 |AB|=|A||B| 即可，回来自愿看推导。**
**第1步：写出AB的第j列是什么。**
矩阵乘法定义：(AB)的第j列 = A × (B的第j列)。具体写出来就是：
```
(AB)的第j列 = b_{1j}·(A的第1列) + b_{2j}·(A的第2列) + ... + b_{nj}·(A的第n列)
```
> 大白话：AB的第j列是A的各列按B的第j列给的"配方"调出来的——B的第j列告诉你各取多少勺A的每一列，混在一起。
**第2步：|AB|按列拆开（反复使用性质4"拆分"）。**
|AB| = det(AB的第1列, AB的第2列, ..., AB的第n列)
把第1列按B的第1列拆开（性质4——拆分）：
```
|AB| = Σ_{k₁=1}^{n} b_{k₁,1} · det(A的第k₁列, AB的第2列, ..., AB的第n列)
```
继续拆第2列、第3列……直到每一列都拆完。最终|AB|展开为nⁿ项的和，但绝大多数项因为"有两列相同"而为0：
```
|AB| = Σ_{k₁,...,kₙ} b_{k₁,1}·b_{k₂,2}·...·b_{kₙ,n} · det(A的第k₁列, A的第k₂列, ..., A的第kₙ列)
```
> 大白话：把AB的每一列都按"配方"拆成A各列的线性组合。这就像一锅汤——AB的每一列都是A各列按不同比例调出来的。彻底拆开后，每项是A的n列按某种顺序排列，前面挂着B的一串系数。
**第3步："不同列"约束——非零项只来自k₁,...,kₙ互不相同。**
当k₁,...,kₙ中有两个相同时，det(A的第k₁列, ..., A的第kₙ列)中有两列相同→行列式为0。
所以只有k₁,...,kₙ是(1,2,...,n)的一个排列时，那一项才可能非零。于是：
```
|AB| = Σ_{排列(k₁,...,kₙ)} b_{k₁,1}·b_{k₂,2}·...·b_{kₙ,n} · det(A的第k₁列, ..., A的第kₙ列)
```
> 大白话：就像1.2节说的"每行每列各取一个"——只有A的n列每个都被用到恰好一次时，那一项才不是零。这大大削减了有效项数：从nⁿ项砍到n!项。
**第4步：重排A的列，引出逆序数符号。**
det(A的第k₁列, ..., A的第kₙ列) = (-1)^{τ(k₁,...,kₙ)} · det(A的第1列, ..., A的第n列) = (-1)^{τ(k₁,...,kₙ)} · |A|
为什么？把A的列按(k₁,...,kₙ)重排相当于对|A|做了一系列列交换。每交换相邻两列→变号一次→总变号次数等于排列(k₁,...,kₙ)的逆序数。
于是：
```
|AB| = |A| · [ Σ_{排列(k₁,...,kₙ)} (-1)^{τ(k₁,...,kₙ)} · b_{k₁,1}·b_{k₂,2}·...·b_{kₙ,n} ]
```
> 大白话：把|A|提到外面。方括号里面是一个"长得像行列式"的东西——B的元素按特定方式排列，带逆序数符号。
**第5步：方括号里正是|B|（注意转置关系）。**
观察方括号中的和：Σ_{排列k} (-1)^{τ(k)} · b_{k₁,1}·b_{k₂,2}·...·b_{kₙ,n}
第一个下标按排列k跑，第二个下标固定为1,2,...,n。这和行列式定义中"第一个下标固定、第二个下标按排列跑"是转置关系。根据性质1（转置不变），这个和正好等于|Bᵀ| = |B|。
精确地说：如果把B的第i行第j列记作b_{ij}，那么 Σ (-1)^{τ(k)} b_{k₁,1}...b_{kₙ,n} 是按"行指标排列、列指标固定"的方式展开，正好是|Bᵀ|（因为Bᵀ的(i,j)位置是b_{ji}）。又|Bᵀ|=|B|（性质1），所以方括号 = |B|。
> 大白话：经过一番列重排和符号整理，方括号里的东西恰好就是|B|。乘积的"交叉项"被符号奇偶性抵消了，只剩下|A|×|B|。
**第6步：得出结论。**
```
|AB| = |A| · |B|
```
---
**③-续 🧠 路径二：用初等变换巧推（更简短，适合快速理解）**
这条路径的思路：先用初等变换把A和B都化成"最简形式"，在最简形式下验证公式，再证明"初等变换不影响公式的正确性"。
**关键引理**：任何一个方阵都可以通过第三类初等行变换（倍加：把一行的k倍加到另一行）化成上三角矩阵。第三类变换不改变行列式的值（性质5：倍加不变），而且可以证明|AB|在这种变换下也保持不变（因为行变换等于左边乘一个行列式为1的矩阵）。
将A和B都化为上三角后，乘积的上三角结构可以直接验证|AB|=|A||B|（三角矩阵乘积的对角线等于各自对角线的乘积）。
> 这条路径的细节涉及第2章"初等矩阵"的概念，这里只给出思路。完整证明在第2章学完初等矩阵后水到渠成。
---
**④ 📝 推导复盘——用大白话串一遍**：
|AB|=|A||B|这个公式的证明，核心是"拆开再合并"。把AB的每一列拆成A各列的线性组合（系数来自B），展开后nⁿ项中绝大多数因为"A有两列重复"而阵亡，幸存n!项。这n!项的结构和B的行列式定义恰好吻合——|A|作为公因子被提出，剩下的n!项拼起来就是|B|。
最妙的地方在第三步："A有两列相同→行列式为零"像一把大剪刀，把nⁿ项砍到n!项。这和行列式原始定义中"每行每列各取一个"异曲同工——都是利用"重复=死"的性质削减复杂度。
**⑤ ⚠️ 易错边界——这条看似简单，陷阱最多**：
- **头号陷阱：|A+B|≠|A|+|B|。** 行列式没有加法！乘积公式只对乘法成立。很多人因为|AB|=|A||B|很顺口，就想当然地认为|A+B|=|A|+|B|——这是错的，而且错得很离谱。验证：A = $\begin{bmatrix} 1 & 0 \\ 0 & 1 \end{bmatrix}$、B = $\begin{bmatrix} 1 & 0 \\ 0 & 1 \end{bmatrix}$，|A| = |B| = 1，|A+B| = $\begin{vmatrix} 2 & 0 \\ 0 & 2 \end{vmatrix}$ = 4，而 |A|+|B| = 2。4≠2。
- **二号陷阱：|AB|=|A||B|中的A、B必须是同阶方阵。** 如果A是m×n、B是n×m（矩形矩阵），AB虽然是方阵但公式不直接成立（要用柯西-比内公式）。
- **三号陷阱：|kAB|≠k|A||B|。** |kAB| = kⁿ|AB| = kⁿ|A||B|。别漏掉n次方。
- **推论验证**：|A⁻¹| = 1/|A|。从A·A⁻¹=E取行列式：|A|·|A⁻¹|=|E|=1 → |A⁻¹|=1/|A|。前提：|A|≠0（A可逆）。
- **另一个推论**：|Aⁿ|=|A|ⁿ。特别地，|A²|=|A|²（不是|A|₂）。n个A连乘→行列式是|A|的n次方。
**⑥ 在整条链中的位置**：
```
逆序数定义
↓
五条核心性质（特别是性质2"两行相同→0"、性质4"拆分"）
↓
行列式按列展开（展开定理的列版本）
↓
|AB| = |A|·|B| ← 我们在这里
↓
|A⁻¹| = 1/|A|（逆矩阵的行列式）
↓
|A*| = |A|^{n-1}（伴随矩阵的行列式）
↓
题型H：抽象型行列式计算（|kA|、|A⁻¹|、|A*|、|AB|等全部基于此公式）
```
|AB|=|A||B|是"抽象型行列式"所有计算的基础。没有它，|A⁻¹|、|A*|、|Aⁿ|等公式都无从谈起。它也是后续章节（特征值乘积=行列式、相似矩阵行列式相等等结论）的起点。
---
**📝 典型例题**（就是上面那道题——现在完整走一遍"拆零件 → 套公式 → 拼回去"）：
已知 A 是 3 阶矩阵，|A| = 2，求 |2A⁻¹| 和 |A*|。
**✏️ 解答**：
- |2A⁻¹| = 2³·|A⁻¹| = 8 × (1/2) = **4**
- |A*| = |A|³⁻¹ = 2² = **4**
---
> 💡 **阅读思考题**
>
> **❶ 理解检测** — |kA| = kⁿ|A| 和"把某一行乘 k，行列式乘 k"是不是一回事？两者的区别在哪？
>
> **❷ 深度思考** — 如果你有一个 3 阶矩阵 A，|A| = 5。现在把 A 的每个元素都乘以 -1（相当于把整个矩阵取负号——就像把箱子整个翻个底朝天），行列式变成多少？为什么 3 阶的符号变化规律和 2 阶不同？
>
> **❸ 考试演练** — 已知 A 是 3 阶矩阵，|A| = 3。求：(1) |-2A| (2) |3A⁻¹| (3) |(2A)⁻¹|。
📖 点击查看参考答案
**❶ 参考答案**：不是一回事！"把某一行乘 k" = 只有 1 行变了 → 行列式乘 k。|kA| 是"所有行都乘 k" → 每行各提一个 k → n 行共提 kⁿ。区别就是"一行"vs"所有行"。考试里经常用这个来坑人。
**❷ 参考答案**：|-A| = (-1)³·|A| = -5。3 阶时取负号，行列式变号（因为负号从 3 行各提 -1：(-1)³ = -1）。2 阶时 |-A| = (-1)²·|A| = |A|，行列式不变！——因为 (-1)² = 1，负负得正。这是考试常见的陷阱题。
**❸ 参考答案**：
(1) |-2A| = (-2)³·|A| = -8 × 3 = **-24**
(2) |3A⁻¹| = 3³·|A⁻¹| = 27 × (1/3) = **9**
(3) |(2A)⁻¹| = 1/|2A| = 1/(2³×3) = 1/24 = **1/24**
**考试易丢分的地方**：|(2A)⁻¹| 不能写成 2⁻¹·|A⁻¹|！必须先算 |2A|，再取倒数。
---
#### 🚫 先别看答案，找找茬
下面是一个同学对抽象型行列式的计算——**哪里有两处错误？自己找出来。**
题目：A 是 3 阶矩阵，|A| = 2。求 |3A + 3A|。
> **那位同学的"解法"**：3A + 3A = 6A。|6A| = 6|A| = 6×2 = **12**。
📖 点击查看错误分析与正解
**错在哪（第一处——也是最致命的）**：`|6A| = 6|A|` 是错的！三条边各拉长 6 倍，总体积变成 6³ = 216 倍，不是 6 倍。**正确公式**：|kA| = kⁿ|A|（n 是阶数，这里是 3）。所以 |6A| = 6³ × 2 = 216 × 2 = 432。
**第二处错误**：即使公式用对了，前面的 3A + 3A = 6A 有没有问题？——这一步本身没问题（矩阵加法等于合并同类项）。但注意：**如果题目给的是 |3A + 4A|，不能拆成 |3A| + |4A|**——行列式没有"加法律"。行列式不是"长加长"，而是"体积叠体积"，不能简单地拆开加。
**正确解法**：先合并 3A + 3A = 6A，然后 |6A| = 6³·|A| = 216 × 2 = **432**。
**两条黄金规则**：
① |kA| = kⁿ|A|（箱子的每条边都拉 k 倍，总体积变 kⁿ 倍）
② |A ± B| ≠ |A| ± |B|（行列式没有加法——不能把"体积"拆开加）
#### 配套练习
#### 题1-5 ⭐ 基础 | 概念判断题
已知 3 阶方阵 A 的行列式 |A| = 3，求：
(1) |2A|
(2) |A⁻¹|
(3) |-A|
📖 点击查看答案
(1) |2A| = 2³·|A| = 8 × 3 = **24**（注意是 n 次方，n=3）
(2) |A⁻¹| = 1/|A| = **1/3**
(3) |-A| = (-1)³·|A| = -1 × 3 = **-3**
> 本题使用模板H：抽象型行列式。
---
#### 题1-17 ⭐ 基础 | 用模板H（抽象型公式运用）
已知 A 为 4 阶方阵，|A| = 2。求 |3Aᵀ|。
📖 点击查看答案
分步推导：
|3Aᵀ| = 3⁴·|Aᵀ|（4 阶方阵，每行乘 3，提 4 个 3）
= 81·|A|（转置值不变，性质 1）
= 81 × 2
= **162**
✅ 答案：**162**
> 对应模板H：抽象型行列式。易错点：忘了转置值不变，或者把 3⁴ 算成 12。
---
#### 题1-25 ⭐⭐ 中等 | 用模板H（抽象型+条件推导）
已知 A 为 3 阶矩阵，|A| = 2。问：|(2A)⁻¹ - 3A*| 是否可以直接算出？如不能，还需要什么条件？
📖 点击查看答案
|(2A)⁻¹| = 1/|2A| = 1/(2³×2) = 1/16 ← 这个能算
|3A*| = 3³×|A*| = 27×|A|² = 27×4 = 108 ← 这个也能算
但是：|(2A)⁻¹ - 3A*| 不能直接用"差的绝对值 = 绝对值的差"！行列式的减法没有简单公式。
**所以不能直接算出**，还需要知道 A 的具体元素值，或者知道 (2A)⁻¹ 和 3A* 之间的关系。
> 对应模板H。核心教训：|X - Y| 不能拆成 |X| - |Y|——行列式没有"加减法公式"！
---
#### 题1-15 ⭐⭐⭐ 真题 | 综合难题
> ⚠️ 这题用到了伴随矩阵 A*（2.11 节）、矩阵乘法（2.4 节）——如果觉得吃力，先复习对应小节再回来做。
设 A 为 3 阶实矩阵，且 aᵢⱼ = Aᵢⱼ（每个元素等于自己的代数余子式），且 a₃₃ = -1。
求：(1) |A|
(2) 方程组 Ax = [0, 0, 1]ᵀ 的解
📖 点击查看答案
**(1)** 条件 aᵢⱼ = Aᵢⱼ 说明 A = (A*)ᵀ（矩阵等于伴随矩阵的转置）。
由伴随矩阵的性质：A·A* = |A|·E
两边取转置：(A*)ᵀ·Aᵀ = |A|·E
即 A·Aᵀ = |A|·E
两边取行列式：|A|·|Aᵀ| = |A|³·|E| = |A|³
|A|² = |A|³ → |A|²(1-|A|) = 0
所以 |A| = 0 或 |A| = 1。
又因为 a₃₃ = A₃₃ = (-1)³⁺³M₃₃ = M₃₃
但 A₃₃ = a₃₃ = -1 → M₃₃ = -1
|A| = a₃₁A₃₁ + a₃₂A₃₂ + a₃₃A₃₃（按第3行展开）
= A₃₁² + A₃₂² + (-1)² = A₃₁² + A₃₂² + 1 ≥ 1
所以 |A| ≠ 0，因此 |A| = **1**。
> 这道题难度很高，综合了伴随矩阵、行列式展开、代数余子式等多个知识点。
**(2)** 由 (1) 知 |A| = 1。要求解 Ax = b，其中 b = [0, 0, 1]ᵀ。
**关键线索**：条件 aᵢⱼ = Aᵢⱼ（每个元素等于自己的代数余子式），结合 A·A* = |A|·E：
- 由 aᵢⱼ = Aᵢⱼ 得 A = (A*)ᵀ（矩阵 = 伴随矩阵的转置）
- 转置得 Aᵀ = A*
- 又 A·A* = |A|·E = 1·E = E，所以 A* = A⁻¹
- 因此 Aᵀ = A⁻¹（即 A 的逆矩阵 = A 的转置）
现在解方程：x = A⁻¹b = Aᵀb（因为 A⁻¹ = Aᵀ）
Aᵀ·[0, 0, 1]ᵀ = A 的第 3 行（转置后变成列）= [a₃₁, a₃₂, a₃₃]ᵀ
所以 x = [a₃₁, a₃₂, -1]ᵀ（因为 a₃₃ = -1）
**求 a₃₁ 和 a₃₂**：将 |A| 按第 3 行展开：
|A| = a₃₁A₃₁ + a₃₂A₃₂ + a₃₃A₃₃
利用 aᵢⱼ = Aᵢⱼ：= a₃₁² + a₃₂² + (-1)² = a₃₁² + a₃₂² + 1
但 |A| = 1，所以 a₃₁² + a₃₂² + 1 = 1 → a₃₁² + a₃₂² = 0
因为 A 是实矩阵，a₃₁ 和 a₃₂ 都是实数 → **a₃₁ = a₃₂ = 0**
✅ 所以 **(2) 的解为：x = [0, 0, -1]ᵀ**（即 x₁ = 0, x₂ = 0, x₃ = -1）
---
#### 题1-32 ⭐⭐⭐ 真题风格 | 抽象型+行列式恒等式
> ⚠️ **涉及向量的记号（第3章会学）**：这题用到的 α（列向量）、αᵀ（行向量）、αᵀA⁻¹α（"向量乘矩阵乘向量"）用到了向量与内积的记号——这些第 3 章才系统学；A⁻¹（逆矩阵）是本章知识。**现在先当"预习"了解题型，学完第 3 章后再回来看证明。**
> 🔧 **技巧小课堂：打洞法**
>
> **是什么**：打洞法就是**分块矩阵版的"消元"**——把矩阵分成几块，用其中一块当"支点"，把另一块"敲"（打）成 0，让整个分块矩阵变成"分块三角"。分块三角的行列式 = 对角块的行列式相乘。
>
> **什么时候用**：看到"一个矩阵加上一个'外积'"（比如 A+ααᵀ），或者矩阵天然能分成几块时。这道题就是典型：构造一个分块矩阵，从两个方向各打一次"洞"，得到两个不同表达式，两边一比较就出来答案。
>
> **怎么用**：下面的证明会用两次"打洞"——一次做行变换把左下角打成 0（变成上三角分块），一次做列变换把左下角也打成 0（变成下三角分块）。两次算的是同一个行列式，所以两个结果必须相等。
设 A 为 n 阶可逆矩阵，α 为 n 维列向量。证明：
```
|A + ααᵀ| = |A|·(1 + αᵀA⁻¹α)
```
📖 点击查看答案
**证**：构造分块矩阵并利用行列式性质。
考虑分块矩阵：
```
|A -α|
|αᵀ 1|
```
（记它为 B。下面从两个方向打洞，分别算出 B 的两种表达式。）
**方向一（行变换→上三角分块）**：让第2行减去"第1行左乘 αᵀA⁻¹"（相当于分块版的行消元）：
- 左下角：αᵀ − αᵀA⁻¹·A = 0
- 右下角：1 − αᵀA⁻¹·(−α) = 1 + αᵀA⁻¹α
于是 B 变成：
```
|A -α |
|0 1 + αᵀA⁻¹α |
```
这是上三角分块（左下角全为 0）→ 行列式 = 对角块相乘 = **|A|·(1 + αᵀA⁻¹α)**。
**方向二（列变换→下三角分块）**：对第 j 列（j=1,2,...,n）做"减去 αⱼ 倍的第 n+1 列"（αⱼ 是 α 的第 j 个数）：
- 左上角：A 的第 j 列 + αⱼ·α → n 列拼起来正好是 A + ααᵀ
- 左下角（第 n+1 行第 j 列）：αⱼ − αⱼ×1 = 0
于是 B 变成：
```
|A + ααᵀ -α|
| 0 1 |
```
这是下三角分块（左下角全为 0、右下角是 1）→ 行列式 = 对角块相乘 = **|A + ααᵀ| × 1 = |A + ααᵀ|**。
同一个 B，行列式既等于 |A|·(1 + αᵀA⁻¹α)，又等于 |A + ααᵀ|，两者必然相等：
所以 **|A + ααᵀ| = |A|·(1 + αᵀA⁻¹α)**。证毕。
> 这道题的技巧（构造分块矩阵然后从两个方向计算行列式）在考研中很常见——称为"打洞法"或"行列式降阶公式"。
---
#### 题1-34 ⭐⭐⭐ 真题风格 | 行列式等式证明
设 A 为 n 阶反对称矩阵（即 Aᵀ = -A）。证明：当 n 为奇数时，|A| = 0。
📖 点击查看答案
**证**：利用转置和提取公因子的性质。
|A| = |Aᵀ|（性质1：转置值不变）
= |-A|（由条件 Aᵀ = -A）
= (-1)ⁿ·|A|（性质3：每行提出 -1，共 n 行）
所以 |A| = (-1)ⁿ·|A|
当 n 为奇数时，(-1)ⁿ = -1，所以 |A| = -|A| → 2|A| = 0 → **|A| = 0**。
证毕。
> 综合运用转置（性质1）和提取公因子（性质3），是抽象型证明的经典模板。
---
### 题型I：分块矩阵的行列式（行列式专题）
> 🔔 **课前激活**（动笔写30秒再往下读）
>
> 一个大箱子里面装了四个小盒子——左上、右上、左下、右下。如果右上和左下两个小盒子都是空的（全是零），那大箱子的"总体积"就很简单：左上的体积 × 右下的体积。但如果有非零块跨在角落……你就要想办法把零块聚到一起。分块矩阵的行列式就是教你怎么"分而治之"。
> 📌 **这节学完你就能回答：**
> - 什么条件下可以直接把分块矩阵的行列式简化为两块各自行列式的乘积？
> - 如果四个角都有非零块，怎么通过行交换把零块聚到一起？
> - 分块矩阵要求 A 和 B 必须是方阵——为什么？
#### 先看一道题：计算这个行列式
```
|1 2 0 0|
|3 4 0 0|
|0 0 5 6|
|0 0 7 8|
```
看到这题，先别慌。（这题和下方"阅读思考题❸"是同一个矩阵——这儿先用来引入思路，一会儿你还会再见它一次，正好练一遍"从看到到算完"的完整过程。）
> 🧠 这一步在想什么：回想 1.2 节的"打饭"规则——每一项都要"从不同行、不同列各取一个"。在分块对角的矩阵里，如果你取了一个属于左上块 A 的元素，剩下的只能从 A 剩余的行列里取（因为 B 在那些位置全是 0）；同理 B 的元素只能和 B 的元素搭配。**两部分互不干涉，那整体体积自然 = 两块的体积相乘。**
> 🔍 回头看看：所以分块矩阵的规则就是一句话——**只要左下或右上有一整块是 0，行列式 = 对角线上两块各自的行列式相乘**。上面这题：|左上| = 1×4 - 2×3 = -2，|右下| = 5×8 - 6×7 = -2，整体 = (-2)×(-2) = 4。（负负得正，别算成 -4。）
📌 **以后就这么办——分块矩阵看零块位置**：
**🎯 识别特征**：矩阵可以自然地分成四块，其中一块或两块全是 0。
**最常见的形式**：
```
|A 0|
|0 B| 或 |A C|
|0 B|
```
其中 A 和 B 是**方阵**（不要求同阶）。
**📋 计算规则**：
| 形式 | 行列式 |
|:-----|:------:|
| 对角分块（左上 A，右下 B，其余为 0） | = \|A\| × \|B\| |
| 上三角分块（左上 A，右下 B，左下为 0） | = \|A\| × \|B\| |
| 下三角分块（左上 A，右下 B，右上为 0） | = \|A\| × \|B\| |
> ✍️ **立刻练一道**：计算 $\begin{vmatrix} 2 & 3 & 0 & 0 \\ 1 & 4 & 0 & 0 \\ 0 & 0 & 3 & 1 \\ 0 & 0 & 2 & 5 \end{vmatrix}$——先认出分块形式，再分别算两块。（答案：65，详解见配套练习题1-18。）
**🔑 口诀**：只要左下或右上有一块全是 0，行列式 = 对角线上两块各自的行列式相乘。
**💬 比喻**：就像一个盒子里面有两个互不相干的小盒子——总体积 = 小盒子1体积 × 小盒子2体积。
**⚠️ 最容易错的地方**：
- A 和 B 必须是**方阵**（行数 = 列数），否则不能算行列式
- 仅当左下角或右上角有一整块全为零时，公式才直接适用（即分块三角矩阵）。如果四个角都有非零块，需先通过行列变换化为分块三角形式
> 🛑 **停下来想一想**：为什么分块对角矩阵的行列式 = |A| × |B|，而不是 |A| + |B|？——回想行列式的定义（1.2 节）：从不同行不同列各取一个元素相乘。在分块对角的矩阵中，如果你取了一个属于 A 的元素，剩下的只能从 A 的剩余行/列中取（因为 B 在那些行列全是 0）；同理 B 的元素也只能和 B 的元素搭配。两部分互不干涉，所以是"各自算完再相乘"。就像两个独立的箱子拼在一起，总体积 = 各自体积相乘（因为是各自维度上的拉伸）。
**📝 典型例题**（零块不在对角上，先要"换行换列"把零块聚到一起）：
计算行列式：
```
|a 0 0 b|
|0 a b 0|
|0 b a 0|
|b 0 0 a|
```
通过行、列交换化为（行列各换一次，负负得正，行列式符号不变）：
```
|a b| 0
|b a|
0 |a b|
|b a|
```
= |左上| × |右下| = (a²-b²) × (a²-b²) = (a²-b²)²
---
> 💡 **阅读思考题**
>
> **❶ 理解检测** — 分块矩阵中，为什么只有左下角或右上角全为零时，公式才成立？如果左上角全为零呢？
>
> **❷ 深度思考** — 你在整理一个柜子，柜子分上下两格。上格和下格互不干扰。如果你要把整个柜子清空，你会"上层清空×下层清空"还是"上层清空+下层清空"？——这和分块矩阵的乘积公式有什么类比关系？
>
> **❸ 考试演练** — 计算行列式：
> `|1 2 0 0|
> |3 4 0 0|
> |0 0 5 6|
> |0 0 7 8|`
📖 点击查看参考答案
**❶ 参考答案**：如果左上角全为零但其他位置有数，行列式不一定等于简单乘积。只有当"可以划分成对角/三角分块"时公式才成立。必须先通过行/列交换把矩阵变成标准分块形式。
**❷ 参考答案**：柜子的上下格互相独立 → 如果问"有多少种同时清空上下格的方法"——那是"上层方法数×下层方法数"（乘法原理）。分块矩阵也是乘法：|A| 和 |B| 各自独立贡献体积，总效果 = 两者相乘。加法的类比是不对的。
**❸ 参考答案**：这是标准分块对角形式。
|左上| = 1×4 - 2×3 = -2
|右下| = 5×8 - 6×7 = -2
整个行列式 = (-2) × (-2) = **4**
✅ 答案：**4**
**考试易丢分的地方**：负负得正！(-2)×(-2) = 4，不是 -4。
#### 配套练习
#### 题1-18 ⭐ 基础 | 用模板I（分块矩阵基本形式）
计算行列式：
```
|2 3 0 0|
|1 4 0 0|
|0 0 3 1|
|0 0 2 5|
```
📖 点击查看答案
这是标准的分块对角形式：左上 2×2 + 右下 2×2，其余全是零。
|左上| = 2×4 - 3×1 = 8 - 3 = 5
|右下| = 3×5 - 1×2 = 15 - 2 = 13
整个行列式 = 5 × 13 = **65**
✅ 答案：**65**
> 对应模板I：分块矩阵行列式。
---
### 交叉题5 ⭐⭐ | 换行 + 分块（行列式专题）
计算 $\begin{vmatrix} 0 & 0 & 2 & 1 \\ 0 & 0 & 1 & 3 \\ 1 & 2 & 0 & 0 \\ 4 & 5 & 0 & 0 \end{vmatrix}$。
📖 点击查看答案
**突破口**：非零数集中在"右上"和"左下"两块，中间是零——这是分块的信号，但零块的位置不对（不在对角线上）。先用换行把零块挪到对角位置。
交换第 1、3 行，再交换第 2、4 行（两次换行，负负得正，符号不变）→ $\begin{vmatrix} 1 & 2 & 0 & 0 \\ 4 & 5 & 0 & 0 \\ 0 & 0 & 2 & 1 \\ 0 & 0 & 1 & 3 \end{vmatrix}$，成了分块对角形式。
= $\begin{vmatrix} 1 & 2 \\ 4 & 5 \end{vmatrix}$ × $\begin{vmatrix} 2 & 1 \\ 1 & 3 \end{vmatrix}$ = (5-8)(6-1) = (-3)×5 = **-15**。
✅ 答案：**-15**。用到了"换行变号（性质2）"+"分块行列式（模板I）"两个知识点。
---
## 🎯 应试规范专题：答案解剖 + 失分陷阱 + 答题模板
> 阅卷是"踩点给分"。下面三道答案解剖展示"考试答案长什么样、哪一步值几分"，然后是全章失分陷阱总表（考前 5 分钟扫一遍）。
### 答案解剖1：求逆矩阵（伴随法，2阶）
**题：求 $A = \begin{bmatrix} 1 & 2 \\ 3 & 4 \end{bmatrix}$ 的逆矩阵。**
| 步骤 | 写法 | 采分点 |
|------|------|--------|
| ① | 算行列式：$\|A\| = 1\times4 - 2\times3 = -2 \neq 0$，A 可逆 | 2 分（先判断可逆再求逆） |
| ② | 主对调、次变号：$\begin{bmatrix} 4 & -2 \\ -3 & 1 \end{bmatrix}$ | 2 分（二阶口诀） |
| ③ | 除以行列式：$A^{-1} = \frac{1}{-2}\begin{bmatrix} 4 & -2 \\ -3 & 1 \end{bmatrix} = \begin{bmatrix} -2 & 1 \\ 3/2 & -1/2 \end{bmatrix}$ | 2 分 |
| ④ | 验证：$AA^{-1} = E$ | 1 分（验算防错） |
> 拿分要点：① 先算 |A| 判断可逆，这是给分点也是安全阀；② 三阶以上别硬用伴随法（计算量爆炸），用初等变换法；③ 填空题心里也要验一遍 AA⁻¹=E。
### 答案解剖2：矩阵方程 AX = B
**题：解 $AX = B$，其中 $A = \begin{bmatrix} 2 & 1 \\ 1 & 1 \end{bmatrix}$，$B = \begin{bmatrix} 5 \\ 3 \end{bmatrix}$。**
| 步骤 | 写法 | 采分点 |
|------|------|--------|
| ① | 识别形式：$AX=B$，A 在 X 左边 → $X = A^{-1}B$（A⁻¹ 左乘） | 2 分（方向对了才不白算） |
| ② | 求 A⁻¹：$\|A\|=1$，$A^{-1} = \begin{bmatrix} 1 & -1 \\ -1 & 2 \end{bmatrix}$ | 3 分 |
| ③ | 乘：$X = \begin{bmatrix} 1 & -1 \\ -1 & 2 \end{bmatrix}\begin{bmatrix} 5 \\ 3 \end{bmatrix} = \begin{bmatrix} 2 \\ 1 \end{bmatrix}$ | 3 分 |
| ④ | 验证：$AX = B$ ✓ | 2 分 |
> 拿分要点：方向判断"从哪边脱外套"写一句话（"A 在左边所以左乘 A⁻¹"）——这是给分点也是防错点；左乘右乘搞反 = 全题白做。
### 答案解剖3：含参数的秩
**题：求 $A = \begin{bmatrix} 1 & 2 \\ 3 & a \end{bmatrix}$ 的秩（讨论 $a$）。**
| 步骤 | 写法 | 采分点 |
|------|------|--------|
| ① | 算行列式：$\|A\| = a - 6$ | 2 分 |
| ② | $a \neq 6$：$\|A\| \neq 0$ → $r(A) = 2$（满秩） | 3 分 |
| ③ | $a = 6$：$\|A\| = 0$，两行成比例 → $r(A) = 1$ | 3 分 |
| ④ | 分行写清结论：$r(A)=2$（$a\neq6$）；$r(A)=1$（$a=6$） | 2 分 |
> 拿分要点：含参秩必须"分行讨论、分行写结论"，漏一行扣一行分；别写糊在一起的一句话结论。
### ⚠️ 全章失分陷阱总表（考前 5 分钟扫一遍）
| 陷阱 | 后果 | 对策 |
|------|------|------|
| 乘法前不检查维度（A 的列 ≠ B 的行） | 整题错 | 草稿先写 (m×s)(s×n)，"中间相等、两头取值" |
| AB = AC 推出 B = C（消去律不成立） | 概念题必错 | 矩阵乘法没有消去律 |
| AB = 0 推出 A = 0 或 B = 0 | 概念题必错 | 反例：非零矩阵相乘可为零矩阵 |
| (AB)⁻¹ 写成 A⁻¹B⁻¹ | 求逆题错 | 顺序反了：是 B⁻¹A⁻¹（先穿的反而后脱） |
| (AB)ᵀ 写成 AᵀBᵀ | 转置题错 | 是 BᵀAᵀ |
| 二阶求逆口诀记错 | 全错 | 主对调、次变号、除以行列式 |
| 伴随矩阵排列忘转置 | 伴随法求逆错 | 第 i 行元素的代数余子式排在 A* 的第 i 列 |
| 初等变换法求逆只变左边、右边不同步 | 结果错 | (A\|E)→(E\|A⁻¹)，左右同步变换 |
| 矩阵方程左乘右乘搞反 | 全题白做 | "外套在左从左脱、在右从右脱" |
| \|kA\| 漏 n 次方（写成 k\|A\|） | 抽象行列式错 | 每行提一个 k，n 阶提 n 个 |
| \|A*\| 记成 \|A\|ⁿ | 伴随行列式错 | 是 \|A\|ⁿ⁻¹（n≥2） |
| r(A*) 三档记混 | 秩题错 | r(A)=n→r(A*)=n；n-1→1；≤n-2→0 |
| 初等矩阵"行左列右"搞反 | 初等矩阵题错 | 左乘行变换、右乘列变换 |
| 分块矩阵求逆直接逐块求 | 分块题错 | 只有分块对角/反对角才有"逐块求逆"公式 |
| Aⁿ 找规律时符号/下标错 | 方阵幂错 | 先算 A²、A³ 找模式再归纳，别跳步 |
### 📋 答题模板速记（三类题的标准骨架）
> **求逆**：算 |A| → 判断可逆 → 选方法（2阶口诀/3阶伴随/高阶初等变换）→ 求 → 验证 AA⁻¹=E。
> **矩阵方程**：识别 AX=B / XA=B / AXB=C → 定方向（左乘/右乘）→ 求逆 → 乘 → 验证。
> **含参秩**：化阶梯形（或算行列式）→ 找"主元为 0"的参数值 → 分行讨论 → 分行写结论。
---
## 三、综合混搭练习
> 前面每个题型都单独练过了，但真正的考试会把它们**混在一起**，还常拉上第 1 章的行列式一起考。下面 4 道题不贴模板标签（另有一道"交叉题5"在知识块C 的行列式专题末尾，学完那节后一并做），拿到先想一句："这道题串了哪几个知识点？突破口在哪？"
### 交叉题1 ⭐⭐ | 行列式（第1章）判可逆 + 求逆
已知 A = $\begin{bmatrix} 1 & 2 \\ 3 & a \end{bmatrix}$。(1) a 取何值时 A 可逆？(2) 当 a = 5 时求 A⁻¹。
📖 点击查看答案
**突破口**：判可逆用第 1 章的老结论——`|A| ≠ 0 ⟺ 可逆`（箱子没被压扁，才有"倒着走"的钥匙）。
(1) |A| = 1×a - 2×3 = a - 6。可逆 ⟺ a - 6 ≠ 0 ⟺ **a ≠ 6**。
(2) a = 5 时 |A| = -1。二阶口诀"主对调，次变号，除以行列式"：A⁻¹ = $\begin{bmatrix} 5 & -2 \\ -3 & 1 \end{bmatrix}$ / (-1) = $\begin{bmatrix} -5 & 2 \\ 3 & -1 \end{bmatrix}$。
✅ 验证：$\begin{bmatrix} 1 & 2 \\ 3 & 5 \end{bmatrix}$×$\begin{bmatrix} -5 & 2 \\ 3 & -1 \end{bmatrix}$ = $\begin{bmatrix} 1 & 0 \\ 0 & 1 \end{bmatrix}$ ✓。
### 交叉题2 ⭐⭐ | 矩阵方程 + 两次求逆（左右都有外套）
已知 A = $\begin{bmatrix} 2 & 0 \\ 0 & 1 \end{bmatrix}$，B = $\begin{bmatrix} 1 & 1 \\ 0 & 1 \end{bmatrix}$，C = $\begin{bmatrix} 2 & 2 \\ 0 & 1 \end{bmatrix}$，且 AXB = C，求 X。
📖 点击查看答案
**突破口**：X 左右各穿了一件外套（左边 A、右边 B）。左边的从左脱、右边的从右脱：两边先左乘 A⁻¹、再右乘 B⁻¹ → X = A⁻¹CB⁻¹。
A⁻¹ = $\begin{bmatrix} 1/2 & 0 \\ 0 & 1 \end{bmatrix}$，B⁻¹ = $\begin{bmatrix} 1 & -1 \\ 0 & 1 \end{bmatrix}$。
先算 A⁻¹C = $\begin{bmatrix} 1/2 & 0 \\ 0 & 1 \end{bmatrix}$×$\begin{bmatrix} 2 & 2 \\ 0 & 1 \end{bmatrix}$ = $\begin{bmatrix} 1 & 1 \\ 0 & 1 \end{bmatrix}$；再乘 B⁻¹ = $\begin{bmatrix} 1 & 1 \\ 0 & 1 \end{bmatrix}$×$\begin{bmatrix} 1 & -1 \\ 0 & 1 \end{bmatrix}$ = $\begin{bmatrix} 1 & 0 \\ 0 & 1 \end{bmatrix}$。
✅ 答案：X = $\begin{bmatrix} 1 & 0 \\ 0 & 1 \end{bmatrix}$（单位矩阵）。验证 AXB = AB = $\begin{bmatrix} 2 & 2 \\ 0 & 1 \end{bmatrix}$ = C ✓。
### 交叉题3 ⭐⭐ | 秩 + 行列式（第1章）+ 伴随矩阵的秩
已知 A 是 3 阶矩阵，且 r(A) = 2。判断：(1) A 是否可逆？(2) |A| 等于多少？(3) 伴随矩阵 A* 的秩是多少？
📖 点击查看答案
**突破口**：把"秩"跟第 1 章的"行列式"、本章的"伴随矩阵的秩"三个知识点串起来。
(1) r(A) = 2 < 3（没满秩）→ **不可逆**。
(2) 不满秩意味着"箱子被压扁"，所以 **|A| = 0**（第 1 章：秩小于阶数 ⟺ 行列式为 0）。
(3) 用本章 2.16 的结论：n 阶矩阵当 r(A) = n-1（这里 3-1 = 2）时，**r(A*) = 1**。
✅ 答案：不可逆；|A| = 0；r(A*) = 1。
### 交叉题4 ⭐⭐ | 抽象型：行列式公式（第1章）串本章伴随
已知 A 是 3 阶矩阵，|A| = 3。求 |A*| 与 |2A⁻¹|，并判断 A* 是否可逆。
📖 点击查看答案
**突破口**：全靠公式串联——`|A*| = |A|ⁿ⁻¹`、`|A⁻¹| = 1/|A|`、`|kA| = kⁿ|A|`（都来自第 1 章）。
|A*| = |A|³⁻¹ = |A|² = 3² = **9**。因为 9 ≠ 0，所以 **A* 可逆**。
|2A⁻¹| = 2³·|A⁻¹| = 8 × (1/3) = **8/3**。
✅ 答案：|A*| = 9，|2A⁻¹| = 8/3，A* 可逆。
## 四、速查卡片
### 📋 模板速查表
| 看到什么 | 用什么方法 | 第一步 |
|----------|-----------|--------|
| 给具体矩阵求 AB、A² | **矩阵乘法** | 检查维度是否匹配 |
| 2 阶或 3 阶矩阵求逆 | **伴随矩阵法** | 算行列式，套口诀 |
| 3 阶以上求逆 | **初等变换法** (A\|E)→(E\|A⁻¹) | 写增广矩阵 |
| 含未知矩阵 X 的等式 | **矩阵方程法** | 整理成 AX=B 或 XA=B |
| "求矩阵的秩" | **初等行变换化阶梯** | 逐行消元 |
| 问"做某操作等于乘什么" | **初等矩阵对照表** | 判断是行还是列变换 |
| 矩阵有大块零 | **分块矩阵运算** | 找出自然分块边界 |
| 求 Aⁿ（高次幂） | **找规律/分解法** | 算 A² 看有没有特殊模式 |
| 伴随矩阵的秩 | **三种情况直接套** | 先求 r(A) 再判断 |
| 含参数的秩讨论 | **化阶梯+分类讨论** | 找出使主元为 0 的参数值 |
---
### 本章公式速记表
| 公式 | 名称 | 用途 |
|------|------|------|
| A⁻¹ = A*/\|A\| | 伴随矩阵法求逆 | 2阶/3阶矩阵求逆 |
| (A\|E)→(E\|A⁻¹) | 初等变换法求逆 | 3阶以上求逆首选 |
| A·A* = A*·A = \|A\|·E | 伴随矩阵核心公式 | 万能公式，见到A*就想到它 |
| \|A*\| = \|A\|ⁿ⁻¹ | 伴随矩阵行列式 | 求伴随矩阵的行列式 |
| (kA)* = kⁿ⁻¹·A* | 伴随矩阵的运算律 | 求 \|(kA)*\| 型抽象题 |
| (AB)⁻¹ = B⁻¹A⁻¹ | 乘积的逆 | 求乘积的逆矩阵（注意顺序） |
| (AB)ᵀ = BᵀAᵀ | 乘积的转置 | 求乘积的转置（注意顺序） |
| r(A) = 非零行数 | 秩的定义（实用版） | 化阶梯形后数非零行 |
| r(AB) ≤ min(r(A), r(B)) | 乘积的秩 | 估计乘积矩阵的秩 |
| 行左列右 | 初等矩阵作用方向 | 判断左乘还是右乘 |
| 二阶口诀 | 主对调次变号除行列式 | 2阶矩阵秒求逆 |
## 五、概念辨析
判断下列说法是否正确：
1. 两个 2×3 矩阵可以相乘。（ ）
2. 矩阵乘法满足交换律，即 AB = BA。（ ）
3. 单位矩阵乘以任何矩阵（维度合适时）等于该矩阵本身。（ ）
4. 只有方阵才可能有逆矩阵。（ ）
5. 如果一个方阵的行列式为 0，这个矩阵一定可逆。（ ）
6. 矩阵 A 的秩等于 A 的行数时，A 满秩。（ ）
7. 对称矩阵的转置等于它自己。（ ）
8. 两个对称矩阵相乘一定还是对称矩阵。（ ）
9. 初等矩阵左乘 A 相当于对 A 做列变换。（ ）
10. 分块对角矩阵的逆，只需要把对角线上每块各自求逆即可。（ ）
📖 点击查看答案
1. ❌ 两个 2×3 矩阵不能相乘。矩阵乘法要求第一个矩阵的**列数**等于第二个矩阵的**行数**。2×3 乘 2×3：前一个的列数是 3，后一个的行数是 2，3 ≠ 2，不能相乘。但如果是 2×3 乘 3×2 就可以，结果是 2×2。
2. ❌ 矩阵乘法一般**不满足**交换律。大多数情况下 AB ≠ BA（甚至 BA 可能根本没定义）。只有极少数特殊情况才可能相等。
3. ✅ 单位矩阵就像数字世界里的"1"——AE = A，EA = A（维度匹配时）。
4. ✅ 逆矩阵的定义是 AB = BA = E，这要求 A 和 B 都是同阶方阵。长方形矩阵没有逆矩阵的概念（但可以有"左逆"或"右逆"等广义逆，考研不考）。
5. ❌ 行列式为 0 的方阵**不可逆**。|A| = 0 ⟺ A 不可逆。可逆的充要条件是 |A| ≠ 0。
6. ✅ r(A) = 行数 时，因为秩不可能超过 min(m,n)，所以行数 ≤ 列数，此时 r(A) = 行数 = min(m,n) = 满秩，命题成立。（注意："秩等于行数"只有在行数 ≤ 列数时才可能发生，此时恰好就是满秩。）
7. ✅ 对称矩阵的定义就是 Aᵀ = A。
8. ❌ 两个对称矩阵相乘**不一定**是对称矩阵！因为 (AB)ᵀ = BᵀAᵀ = BA，只有 AB = BA（可交换）时才有 (AB)ᵀ = AB。
9. ❌ 口诀是"**行左列右**"——初等矩阵**左乘** A 相当于做**行变换**，**右乘** A 才相当于做**列变换**。
10. ✅ 分块对角矩阵的逆 = 各对角块分别求逆，原样放回。前提是每块都可逆。
答对 8 题以上：✅ 基础扎实；6-7 题：⚠️ 需要复习概念；5 题以下：🔴 建议重读核心知识。
---
## 六、考试导航
### 考点频次与应对策略
| 考点 | 考频 | 常考题型 | 对应位置 |
|------|:----:|----------|----------|
| 矩阵乘法与运算律（含交换律/消去律不成立） | ⭐⭐⭐ 很高 | 选择/填空，3-5分 | 知识块A（矩阵基础运算） |
| 求逆矩阵（伴随矩阵法+初等变换法） | ⭐⭐⭐ 很高 | 计算/填空，5-8分 | 知识块B（逆矩阵与矩阵方程） |
| 矩阵方程AX=B的求解 | ⭐⭐⭐ 很高 | 计算/解答，6-10分 | 知识块B（逆矩阵与矩阵方程） |
| 矩阵的秩（计算+含参数讨论） | ⭐⭐⭐ 很高 | 选择/填空/计算，4-8分 | 知识块C（秩、初等变换与分块） |
| 伴随矩阵（A·A*=\|A\|·E及推论） | ⭐⭐⭐ 很高 | 选择/填空/证明，3-6分 | 知识块B（2.11）/ 知识块C（2.16） |
| 初等变换与初等矩阵 | ⭐⭐ 较高 | 选择/填空，3-5分 | 知识块C（秩、初等变换与分块） |
| 抽象矩阵求逆（凑定义法） | ⭐⭐ 较高 | 证明/填空，4-6分 | 知识块B（逆矩阵与矩阵方程） |
| 分块矩阵的运算 | ⭐⭐ 较高 | 选择/计算，3-5分 | 知识块C（秩、初等变换与分块） |
| 方阵的幂Aⁿ（找规律+E+B分解） | ⭐⭐ 较高 | 选择/填空/计算，4-6分 | 知识块A（矩阵基础运算） |
| 对称矩阵与反对称矩阵 | ⭐ 中等 | 选择/填空，3分 | 知识块A（矩阵基础运算） |
| 矩阵等价与等价标准形 | ⭐ 中等 | 选择/证明，3-4分 | 知识块C（秩、初等变换与分块） |
### 考场策略
1. **选择填空题（约6-10分）**：矩阵乘法性质（交换律不成立、消去律不成立、非零相乘可能得零）是高频陷阱。伴随矩阵的秩公式（满秩→n，n-1秩→1， 📌 **三个高频考点的对应练习**（复习时回头必练）：含参秩讨论 → 知识块C 2.15 节例题与配套练习；方阵幂 Aⁿ → 知识块A 题2-25（找规律）+ 2.14 立刻练；凑定义法求逆 → 知识块B 2.13 后的"凑定义"练习（题2-13/2-33 附近）。
3. **证明题（偶尔出现）**：核心是凑(A-E)(B-E)=E的形式，或利用A·A*=|A|·E推导各种关系。
> 💡 矩阵这一章是线性代数的"心脏"——约占考研线代总分的35%-40%（约12-16分）。第3章向量、第4章方程组、第5章特征值全部建立在矩阵运算的基础上。矩阵运算的熟练程度直接决定了后续章节的学习速度。
---
### 💎 本章精华：矩阵核心公式"一句通"
以下几个公式涵盖了矩阵章节 80% 以上的考点，建议每天默写一遍：
| 编号 | 公式 | 一句话解释 | 怎么考 |
|:----:|------|-----------|--------|
| 1 | A·A* = A*·A = \|A\|·E | 矩阵乘伴随矩阵 = 行列式乘单位阵 | 求逆、证明题、选择题 |
| 2 | A⁻¹ = A*/\|A\| | 逆矩阵 = 伴随阵除以行列式 | 求逆（低阶）、包含参数的矩阵 |
| 3 | (AB)⁻¹ = B⁻¹A⁻¹ | 乘积的逆 = 逆的倒序乘积 | 矩阵方程、抽象题 |
| 4 | (AB)ᵀ = BᵀAᵀ | 乘积的转置 = 转置的倒序乘积 | 行列式证明、对称性判定 |
| 5 | \|A*\| = \|A\|ⁿ⁻¹ | 伴随矩阵的行列式 | 抽象型行列式计算 |
| 6 | \|kA\| = kⁿ\|A\| | 数乘矩阵的行列式要提 kⁿ | 最容易错的选择题 |
| 7 | r(AB) ≤ min(r(A), r(B)) | 乘积的秩不超过任何因子 | 秩的估计、证明题 |
| 8 | r(A) = n ⟺ \|A\| ≠ 0 ⟺ A可逆 | 满秩、可逆、行列式非零是三胞胎 | 等价条件判断题 |
| 9 | 初等矩阵左乘 → 行变换 | 行左列右 | 初等变换描述题 |
| 10 | (A - E)(B - E)展开 | 矩阵方程的配方法 | 抽象矩阵求逆证明 |
**💬 背公式小技巧**：不要死记硬背这些符号，而是给每个公式配一个"为什么"的场景。比如看到公式1 (A·A* = |A|·E)，就想起第1章代数余子式按行展开的概念——这个公式本质上就是"按行展开定理"的矩阵形式。
---
### 📊 第2章完成度自检
做完以上题目后，对照表格：
| 层级 | 题数 | 正确率目标 | 你的正确率 |
|:----:|:----:|:----------:|:----------:|
| ⭐ 基础 | 13题 | ≥ 80% | __/13 |
| ⭐⭐ 中等 | 14题 | ≥ 60% | __/14 |
| ⭐⭐⭐ 真题 | 9题 | ≥ 40% | __/9 |
- 基础题不达标 → 回到核心知识复习概念
- 中等题不达标 → 回到题型部分复习对应模板
- 真题不达标 → 正常！真题难度大，多做几遍历练
> **第2章完成！** 矩阵是线性代数最核心的章节。你现在掌握了矩阵的基本运算、逆矩阵的两种求法、秩的计算、初等变换、矩阵方程和分块矩阵。这些工具会在第3章（向量）、第4章（线性方程组）中反复使用。你已经过了最难的一关！
---
## 八、自检清单
学完这一章，你应该能回答：
1. ✅ 矩阵是什么？能用"数字表格"和"变换器"两种身份讲给别人听吗？（见知识块A）
2. ✅ 矩阵加减法需要什么条件？两个形状不同的矩阵能相加吗？（见知识块A）
3. ✅ 矩阵乘法中"前行乘后列"是什么意思？（见知识块A）
4. ✅ 矩阵乘法为什么不满足交换律？能举出反例吗？（见知识块A）
5. ✅ 转置是什么？乘积的转置有什么特殊规则？（见知识块A）
6. ✅ 方阵、对角矩阵、单位矩阵分别长什么样？（见知识块A）
7. ✅ 对称矩阵和反对称矩阵的区别是什么？（见知识块A）
8. ✅ "逆矩阵"用生活比喻怎么解释？可逆的条件是什么？（见知识块B）
9. ✅ 二阶方阵求逆的口诀是什么？（见知识块B）
10. ✅ 初等变换法求逆矩阵的步骤是什么？（见知识块B）
11. ✅ 秩是什么？"满秩"和"降秩"分别代表什么？（见知识块C）
12. ✅ 三种初等矩阵分别是什么？"行左列右"是什么意思？（见知识块C）
13. ✅ 分块对角矩阵的行列式和逆矩阵怎么算？（见知识块C）
14. ✅ 伴随矩阵的秩有哪三种情况？（见知识块C）
15. ✅ 矩阵方程有哪三种基本形式？分别怎么解？（见知识块B）
## 🧪 学完自测（第2章 矩阵）
共10题，建议45分钟内完成。每题后面都有"考试易错提醒"。
### 一、选择题（4题，每题5分）
**第1题**：设A和B均为2阶方阵，则下列运算中正确的是（ ）
A. (A+B)² = A² + 2AB + B² B. |A+B| = |A| + |B|
C. |AB| = |A|·|B| D. 若AB=0，则A=0或B=0
📖 点击查看答案
C正确。|AB|=|A|·|B|是第1章学过的核心公式。
A错误：因为矩阵乘法不满足交换律，(A+B)²=A²+AB+BA+B²，只有当AB=BA时才能合并为2AB。
B错误：行列式对加法没有分配律！必须有具体的A+B才能算行列式。
D错误：两个非零矩阵相乘可能是零矩阵（"拍扁"效应），例如$\begin{bmatrix} 1 & 0 \\ 0 & 0 \end{bmatrix}$×$\begin{bmatrix} 0 & 0 \\ 1 & 0 \end{bmatrix}$=$\begin{bmatrix} 0 & 0 \\ 0 & 0 \end{bmatrix}$。
**考试易错提醒**：(A+B)²的展开是最常见的陷阱——矩阵乘法不交换，中间的交叉项是AB+BA，不是2AB。
---
**第2题**：设A为3阶方阵，|A|=3。则|2A⁻¹|等于（ ）
A. 2/3 B. 8/3 C. 2 D. 8
📖 点击查看答案
B。|2A⁻¹|=2³×|A⁻¹|=8×(1/|A|)=8×(1/3)=8/3。
**考试易错提醒**：|kA|=kⁿ|A|中的n是阶数（本题n=3），|A⁻¹|=1/|A|。两者结合：|2A⁻¹|=2ⁿ×1/|A|。不要忘记n次方。
---
**第3题**：设A为3阶方阵，r(A)=2。则r(A*)等于（ ）
A. 3 B. 2 C. 1 D. 0
📖 点击查看答案
C。伴随矩阵的秩公式：r(A)=n（满秩）→r(A*)=n；r(A)=n-1→r(A*)=1；r(A)
---
**第4题**：以下关于初等矩阵的说法，错误的是（ ）
A. 初等矩阵左乘A相当于对A做行变换
B. 交换两行的初等矩阵的逆矩阵是它自身
C. 倍加初等矩阵的行列式为1
D. 初等矩阵右乘A相当于对A做行变换
📖 点击查看答案
D错误。"行左列右"——左乘做行变换，右乘做列变换。D说右乘做行变换，错了。
A、B、C都是正确的：A是口诀"行左列右"的正确表述；B交换的逆是自己；C倍加矩阵主对角线全1且是三角矩阵，行列式为1。
**考试易错提醒**：口诀"行左列右"必须刻在脑子里——左乘=行操作，右乘=列操作。
---
### 二、判断题（2题，每题5分）
**第5题**：两个对称矩阵相乘一定还是对称矩阵。（ ）
📖 点击查看答案
❌ 错误。设A、B对称，则Aᵀ=A, Bᵀ=B。(AB)ᵀ=BᵀAᵀ=BA。所以AB对称⟺(AB)ᵀ=AB⟺BA=AB⟺A和B可交换。如果AB≠BA，AB就不对称。
**考试易错提醒**：两个对称矩阵的乘积不一定对称！只有它们可交换时才对称。
---
**第6题**：若A和B都是n阶可逆矩阵，则A+B也一定可逆。（ ）
📖 点击查看答案
❌ 错误。反例：A=$\begin{bmatrix} 1 & 0 \\ 0 & 1 \end{bmatrix}$（可逆），B=$\begin{bmatrix} -1 & 0 \\ 0 & -1 \end{bmatrix}$（可逆），但A+B=$\begin{bmatrix} 0 & 0 \\ 0 & 0 \end{bmatrix}$不可逆。可逆性对加法没有封闭性。
**考试易错提醒**：可逆性对乘法封闭（可逆×可逆=可逆），但对加法不封闭。不能把数的性质直接搬到矩阵来。
---
### 三、简答题（4题，每题10分）
**第7题**：用初等变换法求矩阵A的逆矩阵：
```
A = [1 2 1]
[3 4 2]
[1 2 2]
```
📖 点击查看答案
写出增广矩阵(A|E)并做初等行变换：
```
[1 2 1 | 1 0 0] R₂-3R₁ [1 2 1 | 1 0 0]
[3 4 2 | 0 1 0] ────→ [0 -2 -1 | -3 1 0]
[1 2 2 | 0 0 1] R₃-R₁ [0 0 1 | -1 0 1]
```
R₂÷(-2)：[0 1 0.5 | 1.5 -0.5 0]
R₂-0.5R₃：[0 1 0 | 2 -0.5 -0.5]
R₁-R₃-2R₂：
第4列：1-(-1)-2×2=-2；第5列：0-0-2×(-0.5)=1；第6列：0-1-2×(-0.5)=0
```
[1 0 0 | -2 1 0]
[0 1 0 | 2 -0.5 -0.5]
[0 0 1 | -1 0 1]
```
✅ **A⁻¹ = $\begin{bmatrix} -2 & 1 & 0 \\ 2 & -0.5 & -0.5 \\ -1 & 0 & 1 \end{bmatrix}$**。
**考试易错提醒**：初等变换法只能做行变换，不能行列混用！如果中途出现某行全零→A不可逆。
---
**第8题**：解矩阵方程AX=B，其中：
```
A = [1 2] B = [5 6]
[3 4] [7 8]
```
📖 点击查看答案
第1步：|A|=1×4-2×3=-2≠0，A可逆。
第2步：二阶口诀"主对调，次变号，除以行列式"——
A⁻¹=1/(-2)×$\begin{bmatrix} 4 & -2 \\ -3 & 1 \end{bmatrix}$=$\begin{bmatrix} -2 & 1 \\ 1.5 & -0.5 \end{bmatrix}$
第3步：X=A⁻¹B=$\begin{bmatrix} -2 & 1 \\ 1.5 & -0.5 \end{bmatrix}$×$\begin{bmatrix} 5 & 6 \\ 7 & 8 \end{bmatrix}$=$\begin{bmatrix} -3 & -4 \\ 4 & 5 \end{bmatrix}$
验证：AX=$\begin{bmatrix} 1 & 2 \\ 3 & 4 \end{bmatrix}$×$\begin{bmatrix} -3 & -4 \\ 4 & 5 \end{bmatrix}$=$\begin{bmatrix} 5 & 6 \\ 7 & 8 \end{bmatrix}$=B。✅
**考试易错提醒**：AX=B→X=A⁻¹B，A⁻¹乘在B的**左边**。如果写成X=BA⁻¹就错了——方向很重要！
---
**第9题**：求矩阵A的秩：
```
A = [1 2 3]
[2 4 6]
[3 6 9]
```
📖 点击查看答案
观察：第2行=第1行×2，第3行=第1行×3。三行全部成比例！
初等行变换：R₂-2R₁→[0 0 0]，R₃-3R₁→[0 0 0]，只剩第1行非零。
非零行数=1→**r(A)=1**。
**考试易错提醒**：先观察再动手。看到明显的成比例关系，直接写答案，不用一步步做行变换。
---
**第10题**：设A为3阶方阵，|A|=2。求|(2A)⁻¹ - A*|。
📖 点击查看答案
先化简表达式。
(2A)⁻¹=(1/2)A⁻¹
A*=|A|·A⁻¹=2A⁻¹（因为|A|=2）
所以(2A)⁻¹-A*=(1/2)A⁻¹-2A⁻¹=(-3/2)A⁻¹
|(2A)⁻¹-A*|=|(-3/2)A⁻¹|=(-3/2)³×|A⁻¹|（3阶，提(-3/2)要3次方）
=(-27/8)×(1/|A|)=(-27/8)×(1/2)=**-27/16**。
**考试易错提醒**：把A*和A⁻¹的关系用对——A*=|A|·A⁻¹（当A可逆时）。另外|kA⁻¹|=kⁿ×|A⁻¹|，n次方不能忘。
---
> **自评标准**（满分 70 分）：63分以上（90%）：✅ 本章扎实；42-62分（60%-89%）：⚠️ 回看答错题型对应的模板；42分以下：🔴 建议重读核心知识。
---
---
---
> 🗺️ **本章知识推导链**
>
> 下面这张图帮你理清本章各知识块之间"谁先谁后、谁依靠谁"：
>
> ```
> ┌──────────────────────────────────────┐
> │ 第2章 矩阵 知识推导链 │
> └──────────────────────────────────────┘
>
> 矩阵基础运算（加减/数乘/乘法/转置）
> │
> │ 乘法不交换、不消去、非零可得零
> │ "前行乘后列"是一切运算的根基
> │
> ├──────────────────────────────────────┐
> │ │
> ▼ ▼
> 逆矩阵（伴随矩阵法 + 初等变换法） 特殊矩阵（对角/对称/反对称/单位阵）
> │ │
> │ "可逆 ⇔ |A|≠0 ⇔ 满秩" │
> │ 逆矩阵是后续解方程的工具 │
> │ │
> ├──────────────────┐ │
> │ │ │
> ▼ ▼ │
> 矩阵的秩 初等变换与初等矩阵 │
> （去水分， （行左列右） │
> 找独立行数） │ │
> │ │ │
> │ 秩 → 判断可逆 │ 初等变换 → 求逆 │
> │ 秩 → 判断行阶梯 │ 初等矩阵 → 等价 │
> │ │ │
> └────────┬─────────┘ │
> │ │
> ▼ ▼
> 矩阵方程（AX=B / XA=B / AXB=C） 分块矩阵
> （综合运用逆矩阵 + 乘法方向） （大矩阵切小块）
> │ │
> └─────────────┬───────────────┘
> │
> ▼
> 第3章 向量组
> （矩阵的列拆开，就是向量）
> ```
>
> **怎么读这张图**：从上往下是"先学→后学"的顺序。箭头表示"后面要用到前面的知识"。比如：要先学会矩阵乘法和行列式，才能学逆矩阵；要先学会逆矩阵，才能解矩阵方程。如果某个知识点卡住了，顺着箭头往回找——大概率是前面的某个基础没打牢。
---
> 📖 **接下来：第2章 → 第3章**
>
> 这一章你把矩阵当成一整张表来操作——整表加减、整表相乘、整表求逆、整表做初等变换。
>
> 但矩阵还有另一个视角：把它的**每一列单独抽出来看**——每一列就是一个"箭头"（向量）。一整张矩阵，本质上是一组箭头排在一起。
>
> 举个例子：你记了一周的天气数据——每天有温度、湿度、风速三个数。这张 7行×3列 的表是一个矩阵。现在换个角度：把"温度"这一列单独拎出来，它就是一个 7 维向量——记录了温度在一周里的变化轨迹。
>
> **第3章要回答的核心问题**：这一组向量（箭头的集合）里，哪些箭头是"真正独立的"？哪些箭头其实是其他箭头的"影子"（可以被别人拼出来）？这和矩阵的"秩"说的其实是同一件事——只不过第3章从向量的角度来讲。
>
> **一句话**：第2章把矩阵当整张表操作；第3章把矩阵拆成一根根向量来研究它们之间的关系。
> **下一章预告：** 向量组——矩阵的行和列拆开来看，会变成什么？→ [第3章 向量组与线性相关性](../第3章-向量组与线性相关性.html)
---
## ✅ 章末自我检测表（逐项打钩，答不出 = 回头重看那节）
| 检测项 | 对应节 |
|--------|--------|
| 能说清矩阵乘法"前行乘后列"吗？乘法前会检查维度吗？ | 2.4 |
| 能举出"AB≠BA""AB=AC 推不出 B=C""AB=0 推不出 A=0"的反例吗？ | 2.5 |
| (AB)⁻¹ 和 (AB)ᵀ 的顺序能默写吗？ | 2.6/2.10 |
| 二阶求逆口诀"主对调次变号除以行列式"能默写吗？ | 2.11 |
| 伴随矩阵核心公式 AA* = \|A\|E 能默写吗？\|A*\| = ? | 2.11 |
| 初等变换法求逆 (A\|E)→(E\|A⁻¹) 的步骤熟练吗？左右同步吗？ | 2.12 |
| 矩阵方程三种形式（AX=B/XA=B/AXB=C）的解法方向对吗？ | 2.13 |
| 秩的定义（非零子式最高阶/阶梯形非零行数）能说清吗？ | 2.15 |
| r(A*) 三档结论能默写吗？ | 2.16 |
| 初等矩阵"行左列右"对吗？三种初等矩阵认识吗？ | 2.17 |
| 分块对角矩阵的逆怎么求？ | 2.19 |
| \|kA\| = kⁿ\|A\|、\|AB\| = \|A\|\|B\|、\|A⁻¹\| = 1/\|A\| 会用吗？ | 行列式专题 |
## 📝 错题归因指引（错题不是抄题，是找病根）
| 错误类型 | 病根 | 处方 |
|----------|------|------|
| 维度没检查就相乘 | 习惯问题 | 每次乘法前草稿写 (m×s)(s×n) |
| 左乘右乘搞反 | 概念不清 | 重看 2.13 矩阵方程"脱外套"推导 |
| 口诀记错（求逆/转置/伴随） | 记忆不牢 | 默写公式速记表（本章末尾），每天一遍 |
| \|kA\|、\|A*\| 漏次方 | 公式混淆 | 抽象行列式题每题先写公式再代入 |
| 秩的含参讨论漏情况 | 步骤不全 | 套"化阶梯→找临界值→分行讨论"模板 |
| 初等变换求逆左右不同步 | 操作习惯 | 每次只做一个行变换，左右一起写 |
| 计算错（乘法/行列式） | 基本功 | 算完必验证（AA⁻¹=E、代回原方程） |
## 🗓 复习节奏表（间隔重复，学了不忘）
| 时间点 | 做什么 | 为什么 |
|--------|--------|--------|
| 学完当天 | 合上书做自我检测表 12 项 | 检索练习：主动回忆比反复阅读记得牢 |
| 3 天后 | 做"综合混搭练习"4 题（限时 20 分钟） | 间隔效应：第 3 天是遗忘拐点 |
| 1 周后 | 做概念辨析 10 题 + 失分陷阱表扫一遍 | 交错练习：混着做才练辨别力 |
| 1 月后（冲刺前） | 重做全部错题（按归因表）+ 公式速记表默写 | 考前查漏：错题 = 你的专属考纲 |
---
## 📖 下一章预告
> 这一章你学会了操作"变形动作"本身——矩阵。下一章进入**向量组与线性相关性**：矩阵有 n 行，其中真正独立的有几行？（秩）这章要把"秩"和"线性相关/无关"这对孪生概念讲透——它是判断方程组有没有解、解多少个的判决官。